Whisper large-v3 · GigaAM-v3 (e2e) · T-one — локально в браузере. Дорожки «менеджер / клиент», тайминги реплик, перебивания, доля тишины.
Определяю окружение…
⚠️ Страница открыта без cross-origin isolation — WASM работает в один поток, инференс будет заметно медленнее.
Запустите через python3 server.py из папки стенда и откройте http://localhost:8017/.
1. Запись звонка (mp3/wav)
Перетащите файл сюда или кликните для выбора. Стерео из телефонии: левый канал — менеджер, правый — клиент (можно поменять).
📼 длительность каналы частота
2. Модели
Самая мощная версия, 1.55 млрд параметров (~3.1 ГБ). Универсал: 99 языков, пунктуация. На WebGPU считает в fp16 (качество ≈ fp32); без GPU — сжатая q8 на CPU, заметно медленнее.
Самая мощная версия: e2e-CTC fp32, 220 млн параметров (885 МБ). SOTA на русском, обучена на колл-центрах, ставит пунктуацию и пишет числа цифрами.
Единственная версия: 71.6 млн параметров (144 МБ). Специалист по русской телефонии 8 кГц, потоковая. Пунктуацию не ставит.
3. Дорожки и статистика разговора
менеджерклиентперебивание (говорят оба)тишина
4. Транскрипции
Сводка по скорости
Модель
Вариант
Устройство
Загрузка+инициализация
Инференс
RTF×
Символов
RTF× — во сколько раз быстрее реального времени обработан звук (длительность речи ÷ время инференса; больше — лучше).