Расшифровка офлайн
Записывает и расшифровывает русскую и английскую речь, язык можно определять автоматически. Текст появляется прямо во время записи.
Диктофон для Android
Диктофон, который понимает
VoiceMind сам расшифровывает речь, делит разговор по голосам и выписывает из него задачи. Всё считается на телефоне — запись никуда не отправляется, интернет нужен только чтобы один раз скачать модели.
- Работает без интернета
- Записи остаются на телефоне
- Русский и английский
Что умеет
Не просто текст из аудио: VoiceMind помогает разобраться, кто что сказал и о чём договорились.
Разделение по голосам
Делит разговор по собеседникам. Можно указать, сколько было человек, и дать им имена.
Задачи и итоги
Локальная нейросеть выписывает задачи, встречи и договорённости. Шаблоны итогов: встреча, приём, консультация, интервью, лекция.
Вопросы по записи
Спросите, о чём договорились или что сказал конкретный человек, — ответ строится по тексту этой записи.
Импорт аудио
Расшифровывает готовые файлы: голосовые из Telegram и WhatsApp, записи диктофона, mp3, m4a, ogg, wav. В Telegram — «Поделиться» → «Расшифровать в VoiceMind».
Мой словарь
Добавьте имена, названия и редкие термины — распознавание будет писать их правильно.
Сомнительные слова
Подсвечивает места, где распознавание не уверено: нажали на слово — услышали этот фрагмент. Текст можно поправить.
История и поиск
Записи хранятся по дням, по ним работает поиск. Экспорт в Markdown, PDF и DOCX.
Напоминания о встречах
По желанию подключается к Яндекс Календарю и напоминает о встречах, найденных в записях.
Как это работает
Внутри — открытые нейросети, которые запускаются прямо на процессоре телефона, а если подходит видеокарта — на ней.
-
Запись или файл
Нажмите большую кнопку или откройте готовое аудио. Паузы пропускаются, длинная запись распознаётся кусками прямо во время диктовки.
-
Распознавание
Whisper large-v3-turbo, дообученный на русском (whisper-podlodka-turbo), превращает речь в текст.
-
Кто говорит
Модели pyannote и WeSpeaker делят разговор по голосам собеседников.
-
Анализ
Локальная языковая модель Gemma-2-2B выписывает задачи, собирает итоги по шаблону и отвечает на вопросы по записи.
| Для чего | Модель | Размер |
|---|---|---|
| Распознавание, режим «Точно» | whisper-podlodka-turbo (Whisper large-v3-turbo), q4_0 | 474 МБ |
| Распознавание, режим «Быстро» | whisper-small q5_1 | 190 МБ |
| Поиск речи в записи | Silero VAD | 0,9 МБ |
| Разделение по голосам | pyannote segmentation-3.0 + WeSpeaker ResNet34 | 32 МБ |
| Анализ текста | Gemma-2-2B-it Q4_K_M | 1,7 ГБ |
Движки: whisper.cpp, llama.cpp и onnxruntime.
Ваши разговоры — только ваши
Разговоры с клиентами, врачами, коллегами не должны лежать на чужих серверах. Поэтому VoiceMind всё делает на самом телефоне.
- Аудио и текст не покидают телефон. Распознавание и анализ идут локально, записи не попадают в резервные копии Google.
- Работает без сети. Интернет нужен один раз — скачать модели. Их можно и перекинуть с компьютера: приложение проверит файл по контрольной сумме.
- На сервер — только email и статус подписки. Ни звука, ни текста записей.
Попробуйте VoiceMind
Скачайте APK и установите поверх любой прошлой версии — записи сохранятся. Новости и свежие сборки — в Telegram-канале.
- Android 8.0 и новее
- ~600 МБ свободного места
- +1,7 ГБ для анализа текста