Если нужен быстрый и простой speech-to-text для real-time задач — у Mistral есть интересное решение.

Voxtral Mini Realtime — open-source модель для потоковой транскрипции речи.

Что умеет:

- Обрабатывает аудио в реальном времени
- Низкая задержка — текст появляется почти сразу
- Поддержка нескольких языков
- Работает со стриминг-аудио, а не только с файлами
- Подходит для звонков, ассистентов, субтитров и voice-интерфейсов

Это хороший вариант для сценариев, где важна скорость:
- голосовые боты
- live-транскрипция встреч
- AI-ассистенты с голосом
- real-time субтитры

Можно попробовать прямо в браузере:

Demo: https://huggingface.co/spaces/mistralai/Voxtral-Mini-Realtime