Как выбрать нейросеть для транскрибации под свою задачу

Первое, что нужно определить, — тип задачи: надиктовать текст сразу в поле или расшифровать уже готовую запись разговора, а это разные классы программ. Дальше смотрят на точность именно для русского языка, платформу, куда уходит звук — в облако или остаётся на устройстве, — и цену. Поток (potok.now) устроен для первого сценария: хоткей Ctrl+Space вставляет надиктованный текст с откликом около 0,4 секунды, а не расшифровывает файлы.

Нужна программа, которая наговорённое сразу вставляет текстом в документ или чат? Или та, что возьмёт уже готовую запись встречи и превратит её в текст целиком? Это разные задачи, и нейросеть, хорошо справляющаяся с одной, не обязательно подходит для другой — прежде чем сравнивать конкретные программы, стоит понять, что именно нужно решить.

Что проверить перед выбором программы

1. Тип задачи: диктовка «на лету» в активное текстовое поле — это одно, а расшифровка уже записанного разговора, лекции или интервью целиком — совсем другое. Программы из обзора ниже устроены для первого сценария: хоткей, запись, вставка текста, а не загрузка готового аудиофайла.
2. Точность именно на русском языке, а не на английском, который часто заявляют как основной язык модели. Отдельно стоит спросить, поддерживает ли программа профессиональные термины и редкие имена или распознаёт только бытовую речь. Отдельно о том, как нейросети приспосабливают распознавание под русскую речь и профессиональные термины, — в материале про голосовой ввод под русскую речь.
3. Где выполняется распознавание: в облаке — тогда нужен стабильный интернет, а звук уходит на сервер стороннего разработчика, — или прямо на устройстве, без передачи записи наружу, но с нагрузкой на сам компьютер. Пример программы именно с распознаванием на устройстве — GigaType.
4. Платформа: Windows, macOS, Web или Android — и совпадает ли она с тем, чем реально пользуется человек каждый день, а не только на основном рабочем компьютере.
5. Бесплатный лимит и цена: сколько минут или слов доступно без оплаты, и хватает ли этого, чтобы проверить программу на своей речи перед тем, как платить за подписку на год вперёд.
6. Проходит ли оплата из России картой напрямую или потребуются обходные способы — это стоит уточнить до оформления подписки, а не после первого списания.

Где чаще всего ошибаются при выборе

Самая частая ошибка — не разделить диктовку и расшифровку записей и купить программу не под свою задачу: человек, которому нужно расшифровать записанные интервью, ставит программу для диктовки в текстовые поля и не может загрузить в неё готовый файл, потому что она для этого не создана.

Вторая ошибка — доверять заявленной точности без проверки на своей речи. Цифры вроде «95–98% на чистой русской речи» получены в конкретных условиях тестирования разработчика, а качество на специфических терминах, акценте или в шумном помещении может быть заметно хуже — это стоит проверить на бесплатном лимите, а не поверить на слово.

Третья — не посмотреть, куда уходит звук, если распознавание облачное. Для рабочих совещаний, записей с именами клиентов или коммерческой информацией это может быть важнее цены и точности. Четвёртая — выбрать локальную модель для распознавания «для скорости», не проверив, хватит ли ресурсов компьютера: слабая видеокарта или её отсутствие ощутимо снижает быстродействие локального распознавания, и разница может свести на нет весь выигрыш от отсутствия сети.

Где Поток проигрывает

Поток — облачный сервис, распознавание идёт на серверах в России, и без подключения к интернету он не работает. Расшифровки уже записанных файлов и разговоров у него тоже нет: он вставляет текст через хоткей во время диктовки, а не загружает готовое аудио целиком — для задачи «взять запись встречи и получить из неё текст» нужен инструмент другого типа, не диктовка в активное поле.

Тем, кому нужна именно такая расшифровка записей, стоит смотреть на программы, созданные под эту задачу отдельно от списка в этом обзоре, а Поток и похожие на него по механике программы оставить для диктовки текста в реальном времени.

Частые вопросы

Первоисточники: otter.ai · help.otter.ai · transkriptor.ru · support.transkriptor.com