Выходной со Spring: pet-проект по распознаванию речи

В сфере искусственного интеллекта произошло заметное событие. rurikovich 46 минут назад Выходной со Spring: pet-проект по распознаванию речи Простой 6 мин 1. 2K Программирование * Java * Веб-разработка * Искусственный интеллект Анализ и проектирование систем * Туториал Привет Хабр ! Не писал на Spring уже лет 8 и решил по фану написать мини пет проект с api и распознаванием речи.

Звучит круто, лет 8-10 назад это заняло бы … вечность, тогда и llm, достаточно качественно распознающих русскую речь, да еще на скромном домашнем пк не было. В общем решил в выходной повеселиться. Итого я собрал маленькое Spring Boot приложение, которое принимает короткий WAV-файл, отправляет его в локальную модель распознавания речи и показывает текст на странице.

Технические детали

Проект лежит на GitHub: Что делает приложениеСценарий простой:Открываем страницу WAV-файл с русской речью. Нажимаем кнопку перевести в текст. Сервер принимает файл.

Vosk распознаёт речь. Страница показывает результат. Ограничение специально небольшое: аудио до 10 секунд.

Для учебного проекта этого хватает. На чём написаноСтек получился такой:Java 21Spring Boot 4Spring WebVosk Java APIпростая HTML-страница без React и прочего фронтенд-зоопаркамодель vosk-model-small-ru-0. 22Vosk подключается как Maven-зависимость:pom.

Отраслевые последствия

xml: зависимости org. boot spring-boot-starter-web com. 45 Тут есть маленькая деталь: именно com.

alphacephei:vosk, а не org. Немного про модельДля распознавания используется vosk-model-small-ru-0. Это небольшая русская модель для Vosk.

Она работает локально и не требует облачного API. То есть не нужны токены, аккаунты, лимиты запросов и оплата за каждую попытку. Плюсы:работает офлайн;есть Java API;легко положить рядом с учебным проектом;для коротких фраз качество нормальное.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.