Сломал руку — написал свой голосовой ввод на русском. История «Говоруна» на открытой модели GigaAM v3
Голосовой ввод на русском Android в 2026 году — это боль.
Один разработчик с переломом руки купил Pixel 10, попробовал Gboard для диктовки на русском — и понял, что это не работает. Глотает окончания, теряется в длинных фразах, игнорирует пунктуацию. Яндекс Клавиатура ведёт себя так же. Wispr Flow отлично справляется, но отправляет весь голос на сервер.
Что сделал: написал собственный офлайн-голосовой ввод «Говорун» на базе открытой модели GigaAM v3 от Сбера. Теперь диктует — и никаких облаков, никакой телеметрии. Всё работает локально на телефоне.
Ключевые факты:
— GigaAM v3 — квантизованная модель в ONNX (~327 МБ)
— Работает на Pixel 6a, 8a, 10 — летает без задержек
— Детектор речи Silero VAD автоматически разбивает текст на абзацы
— 100% офлайн, ноль телеметрии, ноль рекламных SDK
— Лицензия MIT — можно дорабатывать и распространять
Как это работает, на пальцах:
Представьте, что вы учитель иностранного языка. Классический подход (Google, Яндекс) — это как отправить студента в другую страну с плохим интернетом и заставить его переспрашивать каждое слово через переводчика. Результат — потеря нюансов и «глотание» окончаний.
GigaAM v3 — это как если бы студент выучил язык дома, а потом поехал в командировку. Никаких задержек, никакой зависимости от связи. Модель «знает» русский настолько хорошо, что понимает контекст фразы целиком — отсюда правильная пунктуация и отсутствие потерь.
Технически всё просто: разработчик взял готовую открытую модель, ужал её (квантизация), запихнул в Android через рантайм sherpa-onnx с NNAPI-ускорением — и получил работающее решение. Размер — 327 МБ. Для сравнения: Whisper Large v3 весит ~1.5 ГБ и работает медленнее.
Что это значит для рынка:
1. Российские открытые модели достигли уровня мировых. GigaAM v3 сравнима по качеству с Whisper Large, но работает быстрее.
2. Локальный AI на телефоне — уже реальность. Эра «всё в облаке» заканчивается.
3. Приватность — это запрос. Пользователь готов собрать решение сам, лишь бы данные не уходили наружу.
4. Вакуум на рынке огромный. Google с Gemini Nano на Pixel 10 не использует локальную LLM для русского. Миллионы пользователей — без нормального голосового ввода.
Проект доступен в RuStore и на GitHub. Собрать самому можно на Android 13+ с ARM64.
Если у вас перелом или просто цените приватность — «Говорун» закрывает задачу, которую индустрия игнорирует с 2020 года. Это не маркетинг. Это инженер, который устал терпеть.
А если хотите больше подобных разборов — заходите в наш Telegram-канал и в мессенджер MAX, где мы публикуем материалы раньше всех.
