Потужні можливості.
Нічого зайвого.
Розпізнавання мовлення без інтернету на вашому процесорі, текст одразу в тій програмі, де ви працюєте, і ШІ — коли він вам потрібен.
Живий набір
Диктуйте й дивіться, як текст сам набирається у вашій програмі, поки ви говорите; останні слова з'являються, коли ви зупиняєтеся. Більше до вподоби класика? Звичайний режим, коли текст приходить після завершення запису, нікуди не подівся. Живий набір входить до Pro.
Глобальна гаряча клавіша
Натисніть свою гарячу клавішу будь-де у Windows, щоб почати або зупинити диктування, утримуйте її як рацію (натиснув і говори) або дозвольте автоматичному режиму самому відрізнити коротке натискання від утримання. Перемикати вікна не треба — програма тримається поверх вашої роботи. Режим «натиснув і говори» та автоматичний режим входять до Pro.
Приватність за замовчуванням
Ваше мовлення розпізнається локально моделлю Parakeet Ultra, покращеною версією NVIDIA Parakeet, просто на процесорі. Ніщо не йде в хмару, поки ви самі не ввімкнете функції ШІ. Диктування працює й без інтернету.
Багатомовність, офлайн
Parakeet розпізнає 25 європейських мов повністю на вашому пристрої й сам визначає, якою ви говорите, — заздалегідь обирати мову не потрібно. Норвезька (букмол і нюношк) доступна через необов'язковий пакет NB-Whisper, який завантажується, коли знадобиться, а з увімкненим ШІ диктування можна перекласти майже будь-якою мовою. Інтерфейс самої програми доступний 14 мовами.
ШІ: переклад і редагування
Перекладайте надиктоване практично будь-якою мовою, виділіть текст будь-де і відредагуйте його голосом — або не виділяйте нічого, і надиктоване прийде вже начисто. ШІ входить до Pro: вбудований ШІ працює без налаштування (Pro + ШІ), а можна використати власний ключ для OpenAI, Anthropic, Google Gemini, DeepSeek, Groq, Mistral, OpenRouter, YandexGPT або будь-якої сумісної з OpenAI адреси — ключ залишається на вашому комп'ютері. Надсилається лише текст, ніколи не звук.
Створено для роботи
Власні гарячі клавіші (сполучення, подвійне натискання модифікатора або кнопки миші), повна панель звуку з вибором мікрофона, чутливістю та живим індикатором рівня, шумозаглушення, історія розпізнавання з пошуком і норвезький мовний пакет за потреби. Історія розпізнавання входить до Pro.
Розумне введення
VibeVox набирає текст просто у вашу активну програму. Якщо ви переключите вікно посеред диктування, текст безпечно ляже в буфер обміну, а не в чужу програму. Вставлені диктування не потрапляють до журналу буфера обміну Windows (Win+V). Доналаштуйте вигляд перемикачами форматування (Pro) — наприклад, маленька перша літера чи прибрана крапка в кінці.
Без рук і довгі записи
У Pro є диктування без рук: увімкніть прослуховування своєю гарячою клавішею, і кожна фраза почнеться, коли камера побачить рух губ, а мікрофон почує вас — самі слова, як і раніше, розпізнаються за звуком, а не за відео. А ще записи до 5 хвилин, Auto Enter, що надсилає повідомлення, щойно його набрано, і приглушення музики та відео, поки ви диктуєте.
Шумозаглушення
Два рівні для галасливої кімнати: звичайний прибирає рівний гул вентилятора чи кондиціонера, а ШІ-шумозаглушення дає раду кав'ярні та вулиці. Обидва працюють на вашому комп'ютері. Типово вимкнено, бо в тихій кімнаті воно не потрібне; поки воно ввімкнене, живий набір не працює.
Власні слова й терміни
Імена, терміни та скорочення, у яких розпізнавання помиляється: напишіть правильний варіант один раз, і схожі на слух помилки замінюватимуться на нього. А ще можна замінити вимовлене слово на що завгодно, наприклад на номер телефону чи адресу. Входить до Pro.
Працює з NVDA та «Оповідачем»
NVDA та «Оповідач» Windows читають вікно налаштувань уголос — кожен перемикач називає себе, свій стан і те, що він робить. Короткий звук позначає початок і кінець кожного запису: зрозуміло, що програма слухає, навіть не дивлячись на екран.
ШІ за бажанням
Диктування працює на вашому комп'ютері, йому не потрібні ні ШІ, ні інтернет. ШІ тут є надбудовою для трьох завдань: перекласти надиктоване, переписати виділений текст голосом і записати диктування начисто. Вмикаєте її ви самі, і надсилається лише текст, голос ніколи.
Власний ключ
Уже маєте API-ключ від OpenAI, Anthropic (Claude), Google Gemini, DeepSeek, Groq, Mistral, OpenRouter або YandexGPT? Вставте його в налаштуваннях. Текст піде з вашого комп'ютера безпосередньо до вашого провайдера, і платите ви йому за його тарифами. Підійде й будь-який сервіс, сумісний з OpenAI. Ключ залишається на вашому комп'ютері.
Входить до Pro (€29, один платіж)
Вбудований ШІ
Нічого не треба налаштовувати: ні ключів, ні облікових записів в інших сервісах. Увімкнули, і працює, модель ми добираємо самі. Текст обробляється в Європі.
Pro + підписка на ШІ, €5.99 на місяць, скасувати можна будь-коли
ШІ не потрібен? Просто не вмикайте його: усе інше працює й так. У перші 14 днів можна спробувати обидва способи.
25 мов, повністю офлайн
Parakeet сам визначає мову й розпізнає її повністю на вашому пристрої. Без хмари, без облікового запису — ваш голос не покидає комп'ютер.
Необов'язковий пакетНорвезька? Теж є.
Букмол і нюношк працюють через NB-Whisper Small — модель Національної бібліотеки Норвегії. VibeVox завантажує її один раз (~670 МБ) просто з налаштувань, і вона теж працює повністю офлайн. Де вибрати: Налаштування → Загальні → Модель розпізнавання → Норвезька.
Технічні характеристики
Parakeet Ultra — покращена версія моделі розпізнавання мовлення NVIDIA Parakeet TDT 0.6B v3: дотренована заради точності та запакована нами у 8 біт, щоб швидко працювати на звичайному процесорі. На тесті FLEURS за 25 мовами вона помиляється у словах приблизно вдвічі рідше за вихідну модель (11% проти 20%). Для норвезької є власна модель: NB-Whisper Small від Національної бібліотеки Норвегії, навчена на норвезькому мовленні.
Під капотом: архітектура нового покоління
Token-and-Duration Transducer (TDT)
На відміну від класичних RNN-T, які передбачають по одному токену за раз, архітектура TDT у Parakeet передбачає одночасно і токен, і його тривалість. Це дозволяє моделі пропускати тишу та зайві кадри під час розпізнавання, різко скорочуючи час обчислень.
- Спільне передбачення токена і тривалості
- Прискорення за рахунок пропущених кадрів
FastConformer із 8-кратним прорідженням
Побудована на архітектурі Conformer, але оптимізована під швидкість. Вона застосовує 8-кратне проріджування, щоб обробляти звукові кадри ефективніше, поєднуючи глобальний контекст трансформерів із локальними ознаками, які вловлюють згорткові мережі.
- Коефіцієнт проріджування 8×
- Працює повністю на процесорі — відеокарта не потрібна
Почніть диктувати
безкоштовно
Усі платні можливості відкриті перші 14 днів. Без картки й без облікового запису.