speech-uk

speech-uk — некомерційна ініціатива, що розробляє та підтримує відкриті моделі й датасети для мовленнєвих технологій української мови: розпізнавання мовлення (STT) і синтез мовлення (TTS). Ініціативу очолює Єгор Смоляков (Yehor Smoliakov, GitHub-нік egorsmkv); формальна організація на HuggingFace об'єднує понад 30 моделей (варіанти W2V-BERT/wav2vec2, Whisper, StyleTTS2, RAD-TTS++, Squeezeformer, KenLM для мовних моделей) та 32 датасети, включно з великими корпусами на кшталт VoA (~390 год) та YODAS2 (~400 год), а також лідерборди для порівняння якості STT/TTS-систем.

Докази реальної тяги суттєві як на open-source стандарти: супутній GitHub-репозиторій egorsmkv/speech-recognition-uk має 439 зірок і 23 форки, 323+ коміти, активні issue-трекери. Флагманська модель w2v-xls-r-uk має понад 630 000 завантажень на HuggingFace — показник, що на порядки перевищує типові українські відкриті моделі в каталозі (для порівняння, Lapa LLM, вже прийнята в каталог із рейтингом 6, має ~714 завантажень на місяць). Поточна рекомендована модель w2v-bert-uk-v2.1 має 277 завантажень, whisper-large-v3-turbo-quantized-uk — 437; ці числа менші, але означають активне поточне використання найновіших версій, а не лише історичний артефакт. Розробка триває безперервно: нові моделі й оновлення з'являлися впродовж 2025 року і продовжуються у 2026-му (squeezeformer-sm оновлено 2 квітня 2026, w2v-bert-v3 — 17 квітня 2026), що підтверджує статус живого, підтримуваного проєкту, а не покинутого дослідницького артефакту.

Ініціатива також надає інструменти для продакшн-використання: Rust-пакет w2v-bert-uk на crates.io, квантизовані та ONNX-варіанти моделей для розгортання на CPU/GPU, PyPI-пакет ukrainian-tts (бібліотека tts_uk) з готовими голосами (Тетяна, Лада, Микита). Спільнота підтримується через активні Discord- і Telegram-канали (окремо для розпізнавання й синтезу мовлення), приймаються донати через монобанку.

Застереження: попри організаційну назву "ініціатива", фактично проєкт тримається переважно на одному активному розробнику (Єгор Смоляков), без публічно підтвердженого фінансування, іменованих комерційних клієнтів чи впроваджень у конкретних продуктах третіх сторін — це радше інфраструктурний внесок для спільноти, ніж комерційний продукт. Утім, за критеріями каталогу відкриті картки моделей на HuggingFace визнаються як власна домівка продукту (гейт 4), а масштаб реального використання (завантаження, зірки, безперервна підтримка) чітко відрізняє це від академічної статті без застосування чи покинутого прототипу — тому продукт проходить усі чотири гейти включення.