Автор Хабра сравнил T-one, GigaAM и Vosk на процессоре для живых субтитров

Автор Хабра сравнил, какие системы распознавания речи тянет обычный процессор для живых субтитров в звонке один на один. Задача была уйти с облачного Deepgram на свой сервер.

На стенд поставили T-one от Т-Банка, GigaAM от Сбера и Vosk, все три — с открытыми весами, и прогнали на русской речи без видеокарты. Мерили задержку и качество расшифровки в реальном времени, то есть пригодность для субтитров, а не для разбора готовой записи.

По итогам проверки выяснилось, что разброс между открытыми моделями на процессоре больше, чем разрыв с облаком: выбор упирается не в наличие открытых весов, а в то, успевает ли конкретная модель за речью.