VoiceSwitch v0.5.0-beta — Linux Server Edition

VoiceSwitch v0.5.0-beta — Linux Server Edition

Этот релиз публикует воспроизводимый пакет той версии локального распознавания
речи и видео, которая фактически работает на Linux-сервере владельца проекта.
macOS-приложение остаётся в релизе, но главное изменение v0.5 — отдельный архив
VoiceSwitch-Server-0.5.0-beta-linux-x86_64.tar.gz.

Linux Server Edition

• resident GigaAM v3 E2E RNNT на CUDA;
• Whisper Turbo как явный режим и fallback;
• loopback HTTP endpoint 127.0.0.1:18790;
• user-systemd service без root;
• длинные локальные файлы, Telegram media и YouTube;
• минутные блоки, checkpoint и resume;
• TXT, Markdown, JSON, SRT и VTT;
• Qwen3 ForcedAligner;
• pyannote diarization;
• локальный визуальный enrichment через Ollama qwen3-vl:8b;
• OpenClaw TaskFlow plugin 0.1.6 с start/resume/status/cancel.

Установленные серверные версии PyTorch, GigaAM, Whisper, Qwen ASR и pyannote
закреплены в requirements. В PROVENANCE.md опубликованы SHA-256 исходных
файлов серверного снимка и перечислены санитарные изменения перед публикацией.

Установка Linux

1. Скачайте VoiceSwitch-Server-0.5.0-beta-linux-x86_64.tar.gz и файл
   .sha256.
2. Проверьте SHA-256 и распакуйте архив.
3. Внутри каталога запустите ./install.sh.

Требуются Linux x86_64, NVIDIA GPU, Python 3.12, user systemd и ffprobe.
Модели и зависимости загружаются локально при установке и первом запуске.

Безопасность и ограничения

• HTTP endpoint доступен только с localhost и не должен публиковаться наружу.
• В архив не входят модели, cache, медиа, расшифровки, токены, cookies,
  Telegram chat ID или серверные журналы.
• Diarization требует отдельно принять условия модели pyannote и выполнить
  локальную авторизацию Hugging Face.
• Визуальный enrichment требует отдельно установленный Ollama.

Подробная инструкция находится в server/linux/README.md внутри исходников и
релизного архива.