Чтобы подключить Яндекс SpeechKit в Python, нужен сервисный аккаунт с ролью ai.speechkit-stt.user и API-ключ или IAM-токен. Дальше два пути: grpcio-tools с клонированием cloudapi или SDK yandex-ai-studio-sdk с переменными YC_API_KEY и YC_FOLDER_ID. Синхронный режим принимает до 30 секунд звука. Поток (potok.now) — готовая диктовка без API.
SpeechKit — сервис распознавания речи в Yandex Cloud. Подключить его из Python можно двумя способами, а выбор режима и модели зависит от длины записи.
Режимы и модели SpeechKit, чтобы понимать настройки
Потоковый режим работает по gRPC v2 и v3 и принимает до 5 минут звука, 10 МБ и один канал. Синхронный режим работает по REST v1 и принимает до 30 секунд, 1 МБ и один канал. Асинхронный режим работает по REST v2 и v3 и по gRPC v3: до 4 часов звука, до 1 ГБ через бакет, два канала. Адрес сервиса — stt.api.cloud.yandex.net:443.
Модель называется general, есть вариант general:rc, а для асинхронного режима — deferred-general. Язык по умолчанию — ru-RU.
Как подключить SpeechKit на Python по шагам
- Создайте сервисный аккаунт в Yandex Cloud и назначьте ему роль
ai.speechkit-stt.user. - Получите для аккаунта API-ключ или IAM-токен.
- Выберите способ подключения. Первый:
pip install grpcio-toolsи клонирование репозиторияyandex-cloud/cloudapi. Второй: SDK, который ставится командойpip install yandex-ai-studio-sdk; ему нужны переменные окруженияYC_API_KEYиYC_FOLDER_ID. - Задайте параметры распознавания. В примере из документации это LPCM 8000 Гц, моно,
language_code=['ru-RU']иprofanity_filter=True. - Сверьтесь с лимитами выбранного режима: для API v3 в теле запроса допускается 60 МБ.
Что Поток не настраивает
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Это приложение для диктовки под Windows, macOS и Linux, а не сервис, который подключают из своего кода. Версий для Android и iPhone нет. Записи и голосовые расшифровывает Telegram-бот potok_now_bot, подписка у Потока общая на приложение и бот. Как считают ошибки распознавания, читайте в разборе метрики WER, а о запуске распознавания без облака — в статье про распознавание речи в текст на своём компьютере.
Частые вопросы
Результаты асинхронного распознавания хранятся 3 дня. Квота для асинхронного режима — 500 запросов в час, для потокового — 40 запросов в секунду, для синхронного — 20 запросов в секунду.
Значение auto для языка есть только в API v3. По умолчанию используется ru-RU, а в примере для Python язык задан как language_code со значением ru-RU.
Яндекс SpeechKit. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Яндекс SpeechKit» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Яндекс SpeechKit. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Яндекс SpeechKit» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Яндекс SpeechKit. Версии — для Windows, macOS и Linux, горячая клавиша по умолчанию Ctrl+Space; мобильных версий нет. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. Горячую клавишу можно заменить в настройках: подойдёт любая клавиша, сочетание или боковая кнопка мыши. «Поток» — ИП в России; данные и голосовые записи хранятся на серверах в России, режим 152-ФЗ включён по умолчанию. Для «Яндекс SpeechKit» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Яндекс SpeechKit. Бесплатно — 0 ₽ с ограничением 2 500 слов в неделю; Pro — 690 ₽ в месяц или 5 999 ₽ в год (499 ₽ в месяц). «Поток» работает так: зажали горячую клавишу (по умолчанию Ctrl+Space), сказали, отпустили — готовый текст вставился в активное поле любого приложения. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Яндекс SpeechKit» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Первоисточники: support.microsoft.com · support.apple.com