🎙 Говорун — офлайн голосовой ввод на русском для macOS (GigaAM-v3 + Silero VAD)

Зажал клавишу → сказал → отпустил → чистый текст в активном поле.

Возможности:
- Полностью офлайн — данные не покидают ваш Mac
- GigaAM-v3 (ONNX) — распознавание речи с пунктуацией
- Silero VAD — нарезка длинных записей на сегменты
- Говорун Super — локальная нейросеть (GigaChat 3.1) для глубокой обработки текста
- Скачивание ИИ-модели прямо из приложения (5.8 ГБ, с паузой и докачкой)
- Умный контекст — стиль текста подстраивается под приложение
- Настраиваемая клавиша активации — ⌥, любая клавиша, или комбинация (⌘K, ⇧F5, ...)
- Два режима: Push to Talk (удерживай) и Toggle (нажми — нажми)
- Сниппеты — "мой имейл" → подставляет email
- Словарь замен — "жира" → "Jira"
- Списки в диктовке — "первое молоко второе хлеб" → нумерованный список
- Нормализация чисел — "двадцать пять процентов" → "25%"
- Вставка через Accessibility API с clipboard fallback
- Автообновление через Sparkle
- Apple Silicon (M1+), macOS 14 Sonoma+

🔗 https://github.com/sanyasamineva0x/govorun-app
⬇️ Скачать: https://github.com/sanyasamineva0x/govorun-app/releases
#Говорун #GigaAM #GigaAMv3 #MacOS #Whisper #Транскрибация #Диктовка #LocalAi #AiLocal

🔈 GigaAM v3 Transcriber на базе GigaAM-v3.

Транскрибация русской речи из аудио и видео на базе GigaAM-v3. Один сервисный уровень, пять интерфейсов: графический интерфейс для настольных компьютеров, интерфейс командной строки, REST API, веб-интерфейс и терминальный пользовательский интерфейс.

GigaAM Transcriber — это полноценный рабочий процесс для расшифровки, экспорта, диаризации и постобработки с помощью больших языковых моделей, а не просто оболочка для модели.

Возможности:
- Пакетная обработка файлов и папок, рекурсивный поиск, перетаскивание, загрузка через yt-dlp.
- Экспорт: txt, txt_timecodes, txt_diarize, txt_diarize_timecodes, md, srt, vtt.
- SRT/VTT делятся на короткие фразы по пунктуации и временным меткам слов; количество строк и максимальная длина строки настраиваются отдельно, не затрагивая TXT/MD.
- При диаризации SRT называет говорящего только при смене говорящего (Спикер №1:), а VTT сохраняет стандартный диапазон голоса <v Спикер №1> на каждом сигнале.
- Выбираемая диаризация: pyannote, ONNX PyAnnote + WeSpeaker или NVIDIA Streaming Sortformer v2.1.
- Автоматическая диагностика качества, консервативная очистка и safe fallback без сдвига таймкодов.
- Ускорение MLX RNN-T на Apple Silicon; CPU, CUDA, Intel XPU и MPS.
- LLM-постобработка: выжимки, задачи и свои промпты.
- Провайдеры LLM: OpenAI-compatible API, Claude Code, Codex, OpenCode, Pi и произвольный CLI.
- RU/EN, светлая/тёмная тема, журнал, stage-aware progress и отмена очереди.
- Веб-интерфейс с авторизацией, отслеживанием прогресса, восстановлением задач и усилением защиты Docker.

🔗 https://github.com/dubr1k/GigaAMGUI
⬇ Скачать: https://github.com/dubr1k/GigaAMGUI/releases - Под все ОС: Windows, MacOS, Linux и есть оффлайн версия уже с моделями!
#GigaAMTranscriber #GigaAM #Transcriber #GigaAMv3 #MacOS #Whisper #Транскрибация #Windows #Linux #LocalAi #AiLocal

✨ TurboFieldfare - Запуск Gemma 4 26B-A4B в ~ 2 ГБ оперативной памяти на любом MacBook серии M!

Вычисления Gemma 4 26B-A4B занимают около 2 ГБ оперативной памяти! (Память стала дорогой.)
TurboFieldfare использует оптимизированную под инструкции Gemma 4 26B-A4B модель, не загружая в память всю модель размером 14,3 ГБ. Она сохраняет в памяти общее ядро размером 1,35 ГБ и кэш FP16 KV, а затем считывает с SSD только экспертов, необходимых для каждого токена. Именно это позволяет использовать модель на компьютерах Mac с 8 ГБ оперативной памяти.
🔗 https://github.com/drumih/turbo-fieldfare
(Обсуждение)
============
Портировали TurboFieldfare на Qwen 3.6 35B, и он работает с 1,4 ГБ оперативной памяти!
#TurboFieldfare #Gemma4 #Qwen36 #MacOS #LocalAi #AiLocal

ℹ Модель: Macaron-V1 Venti и Tall

💻 Две версии под лицензией MIT:

- Venti — 748 млрд параметров: 744 млрд замороженной GLM-5.2 и четыре адаптера по 1 млрд. Контекст миллион токенов, первое дообучение поверх GLM-5.2.

- Tall — 50 млрд параметров на базе Qwen3.6-35B-A3B с четырьмя адаптерами по 3,7 млрд. Контекст 262 тысячи токенов, заточена под локальный запуск. Сегодня её развернули на Novita.

Бенчмарки авторские:
TerminalBench 2.1 — 87,6, UI4ABench — 87,8, SWE Verified — 85,6 против 88,6 у Opus 4.8. По кодингу лаборатория сама пишет, что идёт вровень с топом, а не обгоняет. Заодно открыли LongStraw — систему обучения на длинном контексте до 2,1 млн токенов через GRPO на восьми H20.

Небольшая лаборатория Mind Lab на 30 человек известна приложением Macaron — персональным агентом для бытовых задач. Теперь выкатили собственную модель с открытыми весами.

Архитектура называется Mixture-of-LoRA: база заморожена, поверх неё четыре специализированных адаптера — для чата, агента, кодинга и генеративного интерфейса. Роутер отправляет запрос нужному специалисту, тот работает внутри своей LoRA, остальным передаёт краткий итог. База не трогается, новые навыки добавляются подключением адаптера без переобучения. Это позволяет дообучать модель после релиза и собирать специалистов от разных команд.

🔗 https://macaron.im/mindlab/research/introducing-macaron-v1
🔗 https://huggingface.co/mindlab-research/Macaron-V1-Tall
🔗 https://novita.ai/models/llm/mindai-macaron-v1-tall
🔗 https://github.com/MindLab-Research/longstraw
#MacaronV1 #Venti #Tall #GLM52 #Qwen36 #AiModel #ModelAi #LocalAi #AiLocal

💡 Kimi K3 — 2,78 триллиона параметров — работает на обычном ноутбуке.

Запускайте полную модель Kimi K3 с 2,78 триллионами параметров, не ограничиваясь доступной оперативной памятью, за счет потоковой передачи активированных весов непосредственно с NVMe.
На данный момент его доказанная работоспособность подтверждена на полной модели Kimi K3 с открытыми весами: 2,78 триллиона параметров, упакованных в контейнер размером 982 ГБ, который работает на MacBook Pro с 64 ГБ оперативной памяти со скоростью 0,49–0,54 токена в секунду. Это не упрощенный, не урезаннный и не сокращенный вариант.
🔗 https://github.com/sqliteai/waste
(Обсуждение)
#KimiK3 #waste #LocalAi #AiLocal

⚡️ DeepSeek V4 Flash в LM Studio (Mac)
Внедрение форка DeepSeek V4 Flash llama.cpp от antirez в LM Studio (Mac, 128 ГБ объединенной памяти). Патчи для устранения дрейфа ABI/структуры данных, пакетного слияния, рецепта подписи кода.

Установите форк deepseek_v4 llama.cpp от antirez в LM Studio, чтобы запустить DeepSeek V4 Flash — 256-экспертный MoE, ~80 ГБ резидентной памяти, до 1 М контекста токенов — на Mac с 128 ГБ объединенной памяти.
Это обходной путь. Upstream llama.cpp пока не поддерживает deepseek_v4 архитектуру (дискуссия #22376). Среда выполнения MLX в LM Studio отклоняет GGUF V4 (ошибка #1872). Пока эти изменения не внедрены, это единственный рабочий способ запустить V4-Flash из пользовательского интерфейса LM Studio / сервера, совместимого с OpenAI.
Что вы получаете:
- DeepSeek V4 Flash загружена как обычная модель в LM Studio
- API, совместимый с OpenAI, на http://localhost:1234
- Полный контекст из 1 048 576 токенов
- ~190 токенов в секунду при обработке подсказок, ~26 токенов в секунду при генерации
- Работает с любым клиентом OpenAI-API (в т. ч. pi, Open WebUI, вашими собственными скриптами)
Протестировано на MacBook Pro M5 Max, 128 ГБ, macOS 26.4. Должно работать и на M2/M3/M4 Max с 128 ГБ.

🔗 https://github.com/noreff/lmstudio-dsv4-patch
(Обсуждение)
#LMStudio #DeepSeekV4Flash #llamacpp #MacOS #LocalAi #AiLocal