Пример потокового распознавания SpeechKit (API v2) отправляет звук по gRPC на `stt.api.cloud.yandex.net:443` с языком ru-RU, моделью general и форматом LPCM на 8000 Гц, порциями по 4000 байт. В заголовке нужен IAM-токен, в конфигурации — folder_id. Сессия до 5 минут. Готовая диктовка без кода — Поток (potok.now).
SpeechKit — сервис распознавания речи Яндекса. Потоковый режим принимает звук порциями и по ходу присылает промежуточные результаты. Пример ниже описан на странице примеров потокового распознавания для API v2.
Как устроено потоковое распознавание в примере SpeechKit
В конфигурации запроса указывают язык ru-RU, модель general и формат LPCM (LINEAR16_PCM) на 8000 Гц. Звук отправляют порциями по 4000 байт на gRPC-адрес stt.api.cloud.yandex.net:443. Авторизация — IAM-токен в заголовке authorization: Bearer <токен>, а folder_id передают в конфигурации. На каждую порцию приходят ответы: у промежуточных поле final равно False, у завершённого True. В примере слово «привет» сменяется итоговым «привет мир». Всё это относится к API v2. Клиентский код пример берёт из репозитория cloudapi: для Python нужен пакет grpcio-tools, для Node.js пакеты grpc, @grpc/proto-loader и google-proto-files. Запускаемый скрипт принимает токен, folder_id и путь к файлу speech.pcm со звуком.
| Сервис | Платформы | Бесплатно | Цена | Оплата из РФ | Где распознаётся речь |
|---|---|---|---|---|---|
| Поток | Windows, macOS, Linux | Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты | Pro 690 ₽/мес, 499 ₽/мес при оплате за год | российские карты, рубли | облако, серверы в России; нужен интернет |
| Win+H (голосовой ввод Windows) | Windows | бесплатно, встроено в Windows 10 и Windows 11 | — | не раскрыто | облако (Azure Speech services, Microsoft) — обязательно требуется подключение к интернету |
| Spokenly | macOS, Windows, Linux, iOS | локальные модели (Whisper/Parakeet) бесплатно навсегда без лимита слов; при подключении собственных API-ключей (BYOK) — тоже бесплатно | $9.99/мес (Pro, помесячно); $99.99/год (Pro, годовая (≈$8.33/мес)) | не раскрыто | гибрид: локально на устройстве (Whisper/Parakeet, бесплатно) либо облако (GPT-4o Transcribe, Deepgram Nova 3, Soniox и др. — через BYOK или Pro) |
| Glas (LidFly) | Windows, macOS | 0 ₽ — 2000 слов в неделю бесплатно и бессрочно, без карты и регистрации по email; первые 2 недели без лимита слов | — | рубли напрямую: оплата через СБП; для юрлиц и ИП — счета | облако (Россия) — на сайте указано «российские серверы, работает без VPN» |
| SpeechPad (голосовой блокнот) | Web (Chrome), расширение Chrome, Android, iOS, модули интеграции для Windows/Mac/Linux | базовый голосовой ввод в блокноте — бесплатно; транскрибация аудио/видео до 15 минут — бесплатно | 100 ₽/мес (расширенный режим (интеграция голосового ввода с ОС Windows/Linux, снятие лимита 15 минут на транскрибацию) — сумма встречается в пользовательских комментариях/обзорах, точный официальный прайс-лист на сайте не найден) | да — принимается Робокасса и банковские карты (для оплаты из-за рубежа упоминается альтернативный сайт voicenotebook.com с PayPal) | не раскрыто |
| А-ГОЛОС | macOS, Windows, Android | 20 минут аудио в месяц бесплатно, без привязки карты | 490 ₽/мес (Lite, 120 мин/мес); 4900 ₽/год (Lite, год); 950 ₽/мес (Pro, 300 мин/мес) | рубли напрямую (через внешнего платёжного провайдера, данные карт сервисом не хранятся) | облако — политика заявляет хранение персональных данных на серверах в РФ, но само распознавание речи выполняет OpenAI (США); результаты и аудио на серверах компании не хранятся |
| Диктуй | Windows, macOS | 30 минут диктовки в месяц, бесплатно навсегда | 239 ₽/мес (Профи (цена в пересчёте при годовой оплате)); 2870 ₽/год (Профи (год, счёт целиком)); 479 ₽/мес (Макс (цена в пересчёте при годовой оплате)) | рубли напрямую (не подтверждено) | облако (страна дата-центра не раскрыта на сайте) (не подтверждено) |
| SpeakFlow | Windows, Web | 30 минут диктовки в месяц, бесплатно навсегда | 690 ₽/мес (Персональный (безлимит)) | рубли напрямую | облако (страна дата-центра не раскрыта на сайте) (не подтверждено) |
| MacWhisper | macOS | Free-версия доступна ("Free forever", ограниченный функционал), Pro — платно | €64/разово (Pro, разовая покупка через Gumroad, пожизненные обновления); $29.99/год (Pro, версия App Store ("Whisper Transcription"), подписка); $99.99/разово (Pro, версия App Store, разовая покупка) | не раскрыто | устройство (офлайн) по умолчанию — локальные модели Whisper; есть опциональные облачные провайдеры транскрипции, но не основной режим |
| Voco (ЦРТ) и Laitis — легаси-программы голосового ввода для Windows | Windows | Voco: неизвестно, был платным продуктом с версиями Basic/Professional/Enterprise, бесплатной версии не было. Laitis: бесплатная версия есть ("free, no ads"), плюс отдельная платная версия, которая, по словам разработчиков, отличается стабильностью работы | — | не раскрыто | Voco: судя по руководству пользователя (2022), распознавание речи Voco исторически работало локально на ПК (offline, без интернета) — это отличало его от современных облачных сервисов, но это не подтверждено на актуальном сайте, так как продукт не найден в текущем каталоге. Laitis: сайт laitis.ru указывает, что для распознавания речи требуется интернет-соединение — то есть облачная обработка |
| Typeless | Windows, macOS, iOS, Android | 8000 слов в неделю (Free plan); новым пользователям даётся 30-дневный пробный период Pro, затем переход на Free при отсутствии оплаты | $12/мес (Pro при оплате за год (эффективно $144/год)); $30/мес (Pro при помесячной оплате) | карты Visa/Mastercard, приём карт РФ не уточнён | облако (страна серверов официально не раскрыта; в privacy policy — общая формулировка 'processed in real time on our cloud servers') (не подтверждено) |
Запуск примера
- Клонируйте репозиторий:
git clone https://github.com/yandex-cloud/cloudapi. - Для Python поставьте
pip install grpcio-tools. - Для Node.js:
npm install grpc @grpc/proto-loader google-proto-files --save. - Запуск на Python:
python3 test.py --token ${IAM_TOKEN} --folder_id ${FOLDER_ID} --path speech.pcm.
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Лимиты потокового режима и где он не подходит
Потоковая сессия длится до 5 минут и вмещает до 10 МБ, канал один, квота 40 запросов в секунду. Для длинной записи эти пределы придётся учитывать. Пример рассчитан на код с токенами и gRPC. Если нужна диктовка в окно программы, подойдёт Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Приложений для телефона у Потока нет. Одна подписка — приложение для диктовки и Telegram-бот potok_now_bot для записей и голосовых. Как включить встроенную диктовку Windows, читайте в статье про Win+H и русскую речь; другие способы — в разделе инструкций.
Частые вопросы
По полю final: у промежуточных ответов оно равно False, у завершённого True. В примере «привет» сменяется итоговым «привет мир».
Сессия до 5 минут и до 10 МБ, один канал, квота 40 запросов в секунду.
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.
Скачать «Поток»
Работает по одной клавише в любой программе. 14 дней полного доступа, потом Free 2500 слов в неделю или Pro 690 ₽/мес (499 ₽/мес за год). «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Одна подписка — два инструмента: диктовка в любой программе на компьютере и @potok_now_bot в Telegram, который расшифровывает голосовые, аудио и видео.
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 |
Первоисточники: support.microsoft.com · support.apple.com