Higgs Ultimate 0.4.0 — транскрипт, диаризация, голоса из спикеров, очистка голоса

Новое в 0.4.0

• Вкладка «Транскрипт и диаризация» — закинь аудио или видео, либо запиши с микрофона: транскрипт с таймингом по словам и разбивкой по спикерам (NVIDIA Sortformer, до 4 голосов), прослушивание сегментов, переименование спикеров, экспорт .txt / .srt.
• Голоса из спикеров в один клик — кнопка «Сделать голос» собирает референс из реплик спикера (до 30 с чистых кусков + транскрипт автоматически) и сохраняет готовую персону в галерею голосов. Клонируй голос любого участника записи сразу.
• Очистка голоса — вокал-сепарация референсов перед клонированием: убирает музыку и фон, клон цепляется за чистый голос. SOTA-модель Mel-Band Roformer на нативном движке BSRoformer.cpp (C++/CUDA, ~26× реального времени на RTX 4090). Тумблер включён по умолчанию; движок (~165 МБ) и модель (~250 МБ) докачиваются при первом включении.
• Автозакачка системных библиотек — блок «Системные библиотеки» в настройках: приложение само находит и докачивает CUDA-рантайм (cudart/cublas, ~500 МБ с PyPI-колёс NVIDIA) и показывает статус драйвера. VC++ Runtime теперь лежит в комплекте. Ставить CUDA Toolkit вручную больше не нужно — руками ставится только драйвер NVIDIA.
• Распознавание речи переехало на parakeet-rs (ONNX Runtime) — тот же мультиязычный NVIDIA parakeet-tdt-0.6b-v3 с автоопределением языка, теперь с пословными таймстемпами для транскриптов.

⚠️ Миграция с 0.3.x

• Модель Parakeet теперь в формате ONNX: старые GGUF-файлы Parakeet не используются. При первом распознавании приложение предложит скачать ONNX-вариант (INT8, ~670 МБ, «рекомендуется»). onnxruntime.dll (~14 МБ) докачается автоматически.
• Модель Higgs переносится без изменений — q8_0.gguf и другие кванты работают как раньше, перекачивать не нужно.

Файлы

• Higgs.Ultimate_0.4.0_x64_Portable.zip — портативная версия, всё рядом с exe (рекомендуется)
• Higgs.Ultimate_0.4.0_x64-setup.exe — установщик NSIS
• Higgs.Ultimate_0.4.0_x64_en-US.msi — MSI-пакет

Требования: Windows 10/11 x64, NVIDIA GPU 8–16 ГБ VRAM, драйвер NVIDIA (остальное приложение докачает само).

Обновление ассетов: в первоначальных сборках футер приложения показывал v0.3.1 (косметика, сам билд — 0.4.0). Ассеты заменены исправленными; если уже скачали — перекачивать не обязательно.

Обновление ассетов 2: сборки заменены — добавлена автозакачка системных библиотек (CUDA-рантайм одним «да», VC++ в комплекте) и фикс версии в футере.

Higgs Ultimate v0.3.1 — автозагрузка + любой аудиоформат

Багфиксы и удобство: автозагрузка + любой аудиоформат.

Что нового

• ⚡ Автозагрузка движка и модели — на старте всё уже скачанное загружается само. Не надо жать «Загрузить движок» / «Загрузить модель» вручную. Кнопка «Генерировать» тоже сама всё догрузит, а если модели/движка нет — откроет загрузчик.
• 🎧 Любой аудиоформат в предпросмотре — mp3, wav, flac, m4a, ogg, aac (и даже mp3, ошибочно названный .wav) теперь воспроизводятся в превью референса. Декодирование идёт через Rust (symphonia), а не браузерный плеер.
• 🩹 ensure_wav определяет WAV по сигнатуре RIFF, а не по расширению.

Полный список фич — в v0.3.0 (Parakeet ASR, запись голоса, кванты, нормализация, быстрая загрузка).

Higgs Ultimate v0.3.0 — Parakeet ASR + запись голоса

Крупное обновление: Whisper полностью заменён на Parakeet + запись голоса, ускоренная загрузка и нормализация громкости.

Главное

• 🎙️ ASR теперь Parakeet (NVIDIA parakeet-tdt-0.6b-v3, через parakeet.cpp) вместо Whisper — мультиязычный с русским, сам определяет язык, WER 0 vs NeMo, работает на CPU (не отнимает VRAM у TTS), модель греется в памяти → после первого раза транскрипт мгновенный.
• 🎤 Запись голоса с микрофона во всех местах с выбором голоса (Клон / Продолжение / Галерея / Мультиспикер): выбор микрофона + живой индикатор уровня. Записал → Parakeet сразу расшифровал.
• ⚡ Параллельная загрузка моделей — 8 соединений (в разы быстрее, раньше был один поток и канал недогружался).
• 🎚️ Выбор кванта Parakeet в интерфейсе (q4_k … q8_0 … f16), как у TTS-модели.
• 🔊 Нормализация громкости (EBU R128 / LUFS): сегменты мультиспикера и клипы «Продолжить речь» приводятся к единому уровню — больше нет разнобоя по громкости.

Скачать

• ...Portable.zip — портативная версия: распаковать, запустить Higgs Ultimate.exe.
• ...setup.exe / ...msi — установщики.

Первый запуск

1. Запустить Higgs Ultimate.exe.
2. «Скачать DLL движка».
3. Модель TTS: «Скачать» (или «Обзор»).
4. Модель ASR (Parakeet): в панели Parakeet выбрать квант → «Скачать» (тянется из mudler/parakeet-cpp-gguf).

Требуется: Windows 10/11 x64, NVIDIA GPU 8–16 ГБ VRAM, CUDA Toolkit + VC++ Redist (см. README).

---

Оригинальное приложение и движок — © Saganaki22. Модель Higgs Audio v3 — Boson AI. ASR — parakeet.cpp (mudler / LocalAI) + NVIDIA Parakeet.

Higgs Ultimate v0.2.4 — русская портативная сборка

Первый релиз русской портативной сборки Higgs Ultimate на движке Higgs Audio v3.

Что в этой сборке (форк Saganaki22/Higgs-Audio-v3-Studio)

• 🇷🇺 Полностью русский интерфейс (переключение RU/EN на лету)
• 📦 Полная портативность — модели, голоса, движок и настройки лежат рядом с .exe, ничего не пишется в систему. Удалил папку — не осталось ни следа
• 🗂️ Пакетный режим — отдельная вкладка: пачка клипов из списка строк или .txt файлов, с плеерами и сохранением каждого клипа
• 🎚️ Регулятор громкости на плеере
• 🎙️ Стартовый войспак Nerual Dreming в один клик
• 🩹 Починена докачка модели — тянется вся папка целиком, больше нет ошибки «missing config»

Скачать

• Higgs.Ultimate_0.2.4_x64_Portable.zip — портативная версия. Распаковать и запустить Higgs Ultimate.exe. Ничего не устанавливается.
• ...setup.exe / ...msi — установщики (для тех, кому нужна установка в систему).

Первый запуск

1. Запустить Higgs Ultimate.exe.
2. «Скачать DLL движка» → «Скачать» модель (или «Обзор» — указать уже скачанную папку).
3. Генерировать.

Требуется: Windows 10/11 x64, NVIDIA GPU с 8–16 ГБ VRAM (в зависимости от кванта модели).

---

Оригинальное приложение и нативный C++/CUDA-движок — © Saganaki22, огромное спасибо автору. Модель Higgs Audio v3 — Boson AI.