Hacker News · 17.06.2026 ·Инференс и железо

Whissle Gateway: мультимодальный голосовой ИИ в 500 МБ

Команда Whissle представила Whissle Gateway — локальный Docker-контейнер для мультимодального голосового ИИ. Размер образа составляет всего 500 МБ, что делает его одним из самых компактных решений для локального развёртывания.

Контейнер поддерживает обработку речи, текста и аудио, а также интеграцию с различными сервисами. Это позволяет использовать его для создания голосовых ассистентов, транскрибации и других задач, связанных с обработкой речи.

Whissle Gateway работает на основе моделей, оптимизированных для работы в ограниченных ресурсах. Это делает его подходящим для использования на ноутбуках и других устройствах с ограниченной вычислительной мощностью.

Проект доступен на GitHub, и его можно развернуть с помощью стандартных инструментов Docker. Это делает его доступным для разработчиков, которые хотят интегрировать голосовые технологии в свои приложения без необходимости использования облачных сервисов.

Источник: Hacker News

Похожие материалы

Together.ai · Инфраструктура для агентов Together AI представила инфраструктуру для голосовых агентов Together AI анонсировала платформу для создания голосовых агентов с задержкой менее 500 мс. Решение включает интеграцию распознавания речи (STT), языковых моделей (LLM) и синтеза речи (TTS) в одном месте. Hacker News · Память и RAG ASR-модель распознаёт не только слова, но и эмоции и намерения Компания Whissle представила новую ASR-модель, способную не только транскрибировать речь, но и анализировать эмоции и намерения говорящего. Это позволяет использовать её для более глубокого понимания контекста в реальном времени. Модель обрабатывает аудио за 200 миллисекунд, что делает её одной из самых быстрых на рынке. Hugging Face - Blog · Инференс и железо Reachy Mini: локальный ИИ-агент с открытым исходным кодом Компания Pollen Robotics представила Reachy Mini — локальный ИИ-агент с открытым исходным кодом, который может работать на обычном ноутбуке. Это важный шаг в развитии локальных решений для ИИ-агентов, так как многие современные системы требуют мощных серверов или облачных вычислений. Google DeepMind News · Модели и релизы Gemini 3.1 Flash Live улучшает голосовые взаимодействия DeepMind представила новую версию своей голосовой модели Gemini 3.1 Flash Live, которая обещает более естественные и точные голосовые взаимодействия. Новая модель фокусируется на снижении задержек и повышении точности, что делает её более подходящей для реального времени. Это важно для разработчиков ИИ-агентов, так как голосовые интерфейсы становятся всё более популярными в различных приложениях, от виртуальных ассистентов до клиентских сервисов. Hacker News · Память и RAG Project Yaazh: ИИ-агенты могут совершать звонки от вашего имени Исследователи представили Project Yaazh — систему, позволяющую ИИ-агентам совершать телефонные звонки от имени пользователей. Технология использует синтетический голос и обработку естественного языка для взаимодействия с абонентами. Hacker News · Другое Airis: локальная ИИ-экосистема с автономным управлением ПК Airis — это проект, который представляет собой локальную ИИ-экосистему, работающую без установки и обеспечивающую автономное управление персональным компьютером. Это решение может быть полезным для разработчиков ИИ-агентов, так как оно предоставляет возможность интеграции различных ИИ-моделей и инструментов в единую экосистему, работающую на локальном уровне. Mistral AI Blog · Инфраструктура для агентов Voxtral TTS: быстрый и адаптивный синтез речи для голосовых агентов Mistral представила Voxtral TTS — открытую модель синтеза речи с открытыми весами. Она предназначена для создания реалистичного голоса для голосовых агентов. Voxtral работает быстро и может адаптироваться к новым голосам за считанные секунды. Hacker News · Инференс и железо Snapcompact: компактный инференс моделей локально и бесплатно Команда Can.AI представила Snapcompact — новый подход к компактификации моделей, который позволяет запускать большие языковые модели локально с минимальными затратами ресурсов. Snapcompact использует инновационные методы компрессии, которые сохраняют точность моделей при значительном уменьшении их размера. Это особенно важно для разработчиков ИИ-агентов, так как позволяет развертывать сложные модели на устройствах с ограниченными ресурсами, включая ноутбуки и мобильные устройства. Together.ai · Инференс и железо Together AI создала самый быстрый стек для распознавания речи Together AI представила решение для распознавания речи (ASR), которое, по их заявлению, является самым быстрым в мире. Компания подчеркивает, что подход к ASR рассматривался как задача полного пути системы, а не только как проблема инференса на GPU. Hacker News · Инференс и железо Nvidia DGX Station для локального развёртывания ИИ-агентов Nvidia представила DGX Station — компактную рабочую станцию для локального развёртывания и инференса ИИ-моделей. Устройство оснащено восемью графическими процессорами Nvidia H100, что обеспечивает высокую производительность для работы с большими языковыми моделями и другими сложными ИИ-системами.

← Все материалы