Мощные возможности.
Ничего лишнего.
Распознавание речи без интернета на вашем процессоре, текст сразу в той программе, где вы работаете, и ИИ — когда он вам нужен.
Живая печать
Диктуйте и смотрите, как текст печатается прямо в вашем приложении, пока вы говорите; последние слова появляются, когда вы останавливаетесь. Привычнее по-старому? Классический режим «всё в конце» никуда не делся. Живая печать входит в Pro.
Глобальная горячая клавиша
Нажмите настроенную горячую клавишу где угодно в Windows, чтобы начать/остановить диктовку, удерживайте её как рацию (push-to-talk) — или включите авторежим, который сам отличает нажатие от удержания. Переключать окна не нужно — приложение работает поверх. Push-to-talk и авторежим входят в Pro.
Приватность по умолчанию
Ваша речь распознаётся локально моделью Parakeet Ultra, улучшенной версией NVIDIA Parakeet, на вашем процессоре. Ничего не отправляется в облако, пока вы явно не включите функции ИИ. Диктовка работает и без интернета.
Многоязычно и офлайн
Parakeet распознаёт 25 европейских языков полностью на вашем устройстве и сам определяет, на каком вы говорите, — заранее выбирать язык не нужно. Норвежский (букмол и нюнорск) доступен через дополнительный пакет NB-Whisper, который скачивается, когда понадобится, а с включённым ИИ диктовку можно перевести почти на любой язык. Интерфейс самой программы доступен на 14 языках.
ИИ: перевод и редактура
Переводите диктовку практически на любой язык, выделите текст и перепишите его голосом — или не выделяйте ничего, и надиктованное придёт начисто. ИИ входит в Pro: встроенный ИИ работает без настройки (Pro + ИИ), а можно использовать свой ключ для OpenAI, Anthropic, Google Gemini, DeepSeek, Groq, Mistral, OpenRouter, YandexGPT или любого OpenAI-совместимого эндпоинта — ключ остаётся на вашем компьютере. Отправляется только текст, никогда не звук.
Создано для рабочего процесса
Свои горячие клавиши (сочетания на клавиатуре, двойное нажатие модификатора или кнопки мыши), панель звука с выбором микрофона, чувствительностью и живым индикатором уровня, шумоподавление, история распознаваний с поиском и норвежский языковой пакет по запросу. История распознаваний входит в Pro.
Умная вставка
VibeVox печатает текст прямо в активное приложение. Если во время диктовки вы переключили окно, текст безопасно попадёт в буфер обмена, а не в чужое окно. Вставленные диктовки не попадают в журнал буфера обмена Windows (Win+V). Вывод можно донастроить переключателями форматирования (Pro) — например, строчная первая буква или без точки в конце.
Без рук и длинные дубли
В Pro есть диктовка без рук: включите прослушивание горячей клавишей, и каждая фраза начнётся, когда камера увидит движение губ, а микрофон услышит вас — сами слова по-прежнему распознаются по звуку, а не по видео. А ещё дубли до 5 минут, Auto Enter, который отправляет сообщение, как только оно напечатано, и приглушение музыки и видео, пока вы диктуете.
Шумоподавление
Два уровня для шумной комнаты: обычный убирает ровный гул вентилятора или кондиционера, а ИИ-шумоподавление справляется с кафе и улицей. Оба работают на вашем компьютере. По умолчанию выключено, потому что в тихой комнате оно не нужно; пока оно включено, живая печать не работает.
Свои слова и термины
Имена, термины и сокращения, в которых распознавание ошибается: напишите правильный вариант один раз, и похожие на слух ошибки будут заменяться на него. А ещё можно заменить произнесённое слово на что угодно, например на номер телефона или адрес. Входит в Pro.
Работает с NVDA и «Экранным диктором»
NVDA и «Экранный диктор» Windows читают окно настроек вслух — каждый переключатель называет себя, своё состояние и то, что он делает. Короткий звук отмечает начало и конец каждой записи: понятно, что программа слушает, даже не глядя на экран.
ИИ по желанию
Диктовка работает на вашем компьютере, ей не нужны ни ИИ, ни интернет. ИИ здесь надстройка для трёх задач: перевести надиктованное, переписать выделенный текст голосом и записать диктовку начисто. Включаете её вы сами, и уходит только текст, голос никогда.
Свой ключ
Уже есть API-ключ от OpenAI, Anthropic (Claude), Google Gemini, DeepSeek, Groq, Mistral, OpenRouter или YandexGPT? Вставьте его в настройках. Текст пойдёт с вашего компьютера напрямую вашему провайдеру, и платите вы ему по его тарифам. Подойдёт и любой сервис, совместимый с OpenAI. Ключ остаётся на вашем компьютере.
Входит в Pro (€29, один платёж)
Встроенный ИИ
Ничего не нужно настраивать: ни ключей, ни аккаунтов в других сервисах. Включили, и работает, модель мы подбираем сами. Текст обрабатывается в Европе.
Pro + подписка на ИИ, €5.99 в месяц, отмена в любой момент
ИИ не нужен? Просто не включайте его: всё остальное работает и так. В первые 14 дней можно попробовать оба способа.
25 языков, полностью офлайн
Parakeet сам определяет язык и распознаёт его целиком на вашем устройстве. Без облака и без аккаунта — ваш голос не покидает компьютер.
Дополнительный пакетНорвежский? Тоже есть.
Букмол и нюнорск работают через NB-Whisper Small — модель Национальной библиотеки Норвегии. VibeVox скачивает её один раз (~670 МБ) прямо из настроек, и она тоже работает полностью офлайн. Где выбрать: Настройки → Общие → Модель распознавания → Норвежский.
Технические характеристики
Parakeet Ultra — улучшенная версия модели распознавания речи NVIDIA Parakeet TDT 0.6B v3: дообучена ради точности и упакована нами в 8 бит, чтобы быстро работать на обычном процессоре. На тесте FLEURS по 25 языкам она ошибается в словах примерно вдвое реже исходной модели (11% против 20%). Для норвежского своя модель: NB-Whisper Small от Национальной библиотеки Норвегии, обученная на норвежской речи.
Под капотом: архитектура нового поколения
Token-and-Duration Transducer (TDT)
В отличие от традиционных RNN-T, которые предсказывают по одному токену за раз, архитектура TDT в Parakeet совместно предсказывает токен и его длительность. Это позволяет модели пропускать тишину и избыточные кадры во время инференса, резко сокращая вычисления.
- Совместное предсказание токена и длительности
- Ускорение за счёт пропуска кадров
FastConformer с 8x субдискретизацией
Построен на архитектуре Conformer, но оптимизирован для скорости. Использует 8-кратный коэффициент понижения частоты для более эффективной обработки аудиокадров, сочетая глобальный контекст Transformer с локальным извлечением признаков CNN.
- 8-кратная субдискретизация
- Работает целиком на CPU — GPU не нужен
Начните диктовать
бесплатно
Все платные возможности открыты первые 14 дней. Без карты и без аккаунта.