En curt: Vosk és un programa lliure que escolta un àudio i l’escriu, en el teu ordinador i sense internet. Té un model per a l’esperanto de només 42 MB, i també en té per al català i el castellà. Servix per a fer subtítols, passar a text una classe o una entrevista, o donar oïda a un assistent.
Què és Vosk?
Vosk és un programa de reconeixement de veu: fa el contrari que un lector de veu. Li dones una gravació —o li parles pel micròfon— i et torna el text del que s’hi diu. I, a més, diu en quin segon comença i acaba cada paraula, que és el que fa falta per a fer subtítols.
Funciona sense internet: l’àudio no ix del teu ordinador. Està pensat per a aparells modestos, i per això cada llengua té un model xicotet, d’uns 50 MB, a banda dels grans per a servidors.
Qui el fa i quant costa?
És gratis i lliure, amb la llicència Apache 2.0, que deixa usar-lo també en projectes comercials. El fa l’empresa Alpha Cephei.
En quines llengües funciona?
La seua pàgina parla de «més de 20 llengües i dialectes», i la llista de models en té 34, comptant variants com l’anglés de l’Índia. Entre elles hi ha:
- Esperanto:
vosk-model-small-eo-0.42, de 42 MB. En la seua prova s’equivoca en 7 de cada 100 paraules, més o menys (un 7,24 % d’error, mesurat amb gravacions de Common Voice). - Català:
vosk-model-small-ca-0.4, de 42 MB. - Castellà: un xicotet de 39 MB i un gran d’1,4 GB.
Per a què servix?
- Fer subtítols d’un vídeo, en el format SRT, que entenen quasi tots els programes.
- Passar a text una classe, una xarrada, una entrevista o un programa de ràdio.
- Donar oïda a un assistent de veu, un robot o una casa connectada, sense enviar el que dius a cap empresa.
- Per a qui programa: es pot usar des de Python, Java, Node.js, C#, C++, Rust i Go, i funciona en l’ordinador, en Android, en iPhone i en una Raspberry Pi.
Com es prova?
Vosk no té finestra: s’usa escrivint ordres en la terminal, la finestra de text de l’ordinador, i cal tindre Python. Estos tres passos els hem provat en Linux el 28 d’octubre de 2026:
Pas 1. Instal·la’l:
pip install vosk
Pas 2. Baixa el model de la teua llengua de la llista de models i descomprimix-lo. Per a l’esperanto, vosk-model-small-eo-0.42.
Pas 3. Passa l’àudio a text:
vosk-transcriber -m vosk-model-small-eo-0.42 -i classe.wav -o classe.txt
Amb -t srt i -o classe.srt et fa els subtítols, amb el temps de cada frase. Una frase de 5 segons va tardar menys d’un segon.
Com ix, de veritat. Li vam passar una frase llegida per una veu artificial, «Bonan tagon! Hodiaŭ ni lernas la numerojn de unu ĝis dek.», i va escriure:
bonan tagon hodiaŭ mi lernas la numerojn de unu ĝis de
Dues paraules malament d’onze —«mi» per «ni» i «de» per «dek»—, i tot en minúscules i sense signes de puntuació.
El que no fa, dit clar
- No és perfecte: el model d’esperanto s’equivoca en unes 7 paraules de cada 100, i més si l’àudio té soroll o la gent parla alhora. El text s’ha de repassar.
- No posa majúscules ni signes de puntuació: ho has d’arreglar tu, o amb un altre model que només fa això, que hi ha en anglés, rus i alemany, però no en esperanto.
- No té finestra: si no vols escriure ordres, cal un altre programa que el porte dins.
En resum
Vosk passa la veu a text sense internet i sense pagar res, i té model per a l’esperanto. Per a l’altre camí, fer que l’ordinador parle, mira Piper i eSpeak NG.
Fonts
- Vosk, la seua pàgina i el seu codi en GitHub, consultats el 28 d’octubre de 2026.
- La llista de models, amb la grandària i l’error de cadascun, consultada el mateix dia.
Llegir en: