hermes-onnx-asr 1.0.14

CPU-only ONNX ASR transcription provider for Hermes Agent

hermes-onnx-asr

Независимый плагин распознавания речи для Hermes Agent. Он подключается один раз как общий STT-provider и поэтому одинаково обслуживает голосовые сообщения из VK, Telegram и любой другой платформы, которая использует стандартный транскрипционный pipeline Hermes.

Hermes 0.18.2 сам фиксирует cryptography==46.0.7 и Pillow==12.2.0, для которых опубликованы advisory с исправлениями в 48.0.1 и 12.3.0. До совместимого upstream-релиза supply-chain gate содержит только точечные исключения конкретных advisory ID; расширять версии на стороне плагина нельзя, поскольку это сделает dependency graph с Hermes 0.18.2 неразрешимым.

По умолчанию используется gigaam-v3-e2e-rnnt, int8, только CPUExecutionProvider — в том числе на macOS. Silero VAD загружается один раз, переиспользует ту же GigaAM-модель и применяется к записям от 20 секунд.

В интерактивном setup выбор точности зависит от архитектуры. Для x86-64, включая Ryzen, мастер предлагает fp32: для текущей GigaAM v3 E2E RNN-T upstream-бенчмарк на x86-64 показывает практически одинаковую скорость fp32/int8, поэтому fp32 предпочтительнее при достаточной памяти. Для Apple Silicon и прочих ARM мастер предлагает int8. Локальный end-to-end замер на M4 Max и минутной release-записи дал 0,326 с / 426 MiB peak RSS для int8 против 0,455 с / 1 037 MiB для fp32, с идентичной расшифровкой. Это ориентир, а не универсальная гарантия для всех поколений CPU. int8 занимает примерно в четыре раза меньше места (~0,23 против ~0,9 ГБ); оба варианта можно безопасно сравнить на одной записи повторным запуском setup.

Установка

Из PyPI:

pip install hermes-onnx-asr
hermes plugins enable onnx-asr

Либо напрямую из подкаталога GitHub-репозитория:

hermes plugins install shkarupa-alex/hermes-plugins/packages/hermes-onnx-asr --enable

Во втором варианте Hermes клонирует только каталог плагина. При первой фактической загрузке плагин проверяет зависимости из pyproject.toml и при необходимости устанавливает их через uv в то же виртуальное окружение, где работает Hermes. Повторная загрузка ничего не переустанавливает. Автоустановку можно запретить штатной настройкой Hermes security.allow_lazy_installs: false или переменной HERMES_DISABLE_LAZY_INSTALLS=1; тогда сообщение об ошибке покажет точную команду для ручной установки зависимостей.

После любого варианта установки:

hermes onnx-asr setup
hermes onnx-asr doctor
hermes gateway restart

Мастер записывает настройки в активный профиль Hermes. API-ключи не нужны. Список мастер получает из onnx_asr.loader.AsrNames — того же typed-registry, который использует CLI установленной версии onnx-asr. Для каждой модели показываются поддерживаемые int8/fp32 и статус certified либо pending smoke. Выбрать в мастере и рекламировать через Hermes можно только модель, уже прошедшую обязательный CPU/codec/transcription release smoke; остальные upstream-модели остаются видимыми, но не выдаются за проверенные. Скачивание выполняется только после явного подтверждения. Модель может занимать несколько гигабайт; нужен ffmpeg для OGG/Opus, MP3, M4A/AAC, FLAC и WebM.

Проверить discovery можно командами hermes plugins list и hermes onnx-asr list-models.

Конфигурация

stt:
  provider: onnx_asr
  onnx_asr:
    model: gigaam-v3-e2e-rnnt
    quantization: int8
    model_dir: ~/.hermes/models/onnx-asr
    allow_runtime_download: false
    language: null
    vad:
      min_audio_seconds: 20
      engine: silero
      threshold: 0.5
      negative_threshold: 0.35
      min_speech_duration_ms: 250
      max_speech_duration_s: 20
      min_silence_duration_ms: 100
      speech_pad_ms: 30
    audio:
      max_duration_seconds: null
      temp_safety_margin_bytes: 1073741824
    runtime:
      concurrency: 1
      queue_depth: 4
      ffmpeg_timeout_seconds: 3600
      transcription_timeout_seconds: 21600
      intra_op_num_threads: 0
      inter_op_num_threads: 0

Семантика vad.min_audio_seconds:

• 20 — VAD для записей длительностью 20 секунд и больше;
• 0 — VAD для каждой записи;
• null — полностью отключить VAD и не загружать Silero.

Переменные окружения с префиксом HERMES_ONNX_ASR__ могут переопределять настройки через синтаксис pydantic-settings, например HERMES_ONNX_ASR__VAD__MIN_AUDIO_SECONDS=0. Список ONNX providers намеренно не является настройкой и всегда равен CPUExecutionProvider.

Модели и офлайн-режим

hermes onnx-asr list-models
hermes onnx-asr fetch gigaam-v3-e2e-rnnt --quantization int8
hermes onnx-asr fetch-vad silero
hermes onnx-asr warmup

Пользовательский список синхронизируется с upstream AsrNames, а каталог внутри wheel обязан содержать ровно тот же набор и фиксирует для него Hugging Face repository и immutable commit. Несовпадение останавливает setup/doctor вместо показа модели, которую плагин не сможет безопасно загрузить. Загрузка идёт в приватный staging-каталог под межпроцессным lock. После загрузки плагин вычисляет SHA-256 каждого файла, записывает manifest.json, проверяет его и только затем атомарно публикует bundle. Повреждённый существующий bundle перемещается рядом с суффиксом invalid-*, а не перезаписывается.

При allow_runtime_download: false вызов transcribe() никогда не скачивает файлы. Сначала выполните fetch и fetch-vad. При true тот же pinned fetch может быть запущен первым запросом; автоматического выбора другой модели нет.

Форматы и длинные записи

Совместимый PCM WAV передаётся прямо в onnx-asr с channel="mean"; отдельный NumPy-пайплайн не строится. Остальные контейнеры преобразуются ffmpeg во временный mono PCM16 WAV 16 кГц. Включён protocol allowlist, поэтому плейлист или контейнер не может заставить ffmpeg сходить по HTTP. Временный каталог живёт до фактического завершения worker job — даже если ожидающий вызов уже получил timeout — и удаляется самим worker.

Плагин не задаёт лимит длительности по умолчанию и CLI может обрабатывать многочасовые файлы. onnx-asr читает PCM в память; ориентировочный объём нормализованного WAV — duration_seconds * 16000 * 2 байт. Перед конвертацией проверяется свободное место с запасом 1 GiB.

Сам Hermes 0.18.2 до вызова provider отклоняет gateway-файлы больше 25 MiB. Обойти этот общий лимит внешний плагин не может. Для больших файлов используйте:

hermes onnx-asr transcribe /path/to/recording.m4a

Очередь и таймауты

Одна inference-задача выполняется одновременно, ещё четыре ждут FIFO. Шестой одновременный запрос получает asr_queue_full до копирования входного файла. Слот резервируется первым; затем source получает worker-owned hardlink либо копию и только после этого публикуется worker. При cross-filesystem copy заранее проверяется размер файла плюс temp_safety_margin_bytes, а ENOSPC возвращает insufficient_temp_space. Ошибка staging освобождает резерв очереди.

ONNX Runtime inference нельзя безопасно отменить: после asr_timeout worker продолжает владеть моделью и временными файлами, пока вычисление действительно не завершится; следующий запрос не стартует поверх него.

Диагностика

hermes onnx-asr doctor проверяет версию Hermes, минимальные поддерживаемые версии onnx-asr и ONNX Runtime, конфигурацию, ffmpeg, manifest модели и VAD, загрузку pipeline, identity общего ASR/resampler у VAD wrapper и provider каждого обнаруженного ONNX session. Warm-up сначала проходит 8 kHz resampler, затем распознаёт встроенный синтетический русский речевой fixture и отдельно прогоняет его через Silero VAD. После этого точный role manifest аудируется повторно. Любой CUDA, CoreML, неизвестная/дублированная session или иной provider считается фатальной ошибкой.

Провайдер возвращает стандартный Hermes envelope и стабильный error_code. Пользовательские ошибки не содержат пути, URL, исходное аудио или внутренний текст исключений.

Ограничения v1

• один активный Hermes profile на процесс; смена HERMES_HOME отклоняется;
• runtime concurrency фиксирована в 1;
• русский quality-gate corpus и кроссплатформенная release-матрица выполняются в release CI и не входят в wheel;
• warmup содержит короткий русский speech/VAD smoke; отдельный versioned regression corpus находится в checkout под release-corpus/ (manifest.jsonl, baseline.json и указанные в manifest аудиофайлы). Текущий corpus намеренно состоит из одного пользовательского VK voice fixture с проверенной расшифровкой, лицензией, source metadata и SHA-256. Он не входит в wheel, но является обязательным release artifact: без него tag/publish gate намеренно останавливается.