Прямого сравнения облачного и локального распознавания по точности в просмотренных нами первоисточниках нет. Есть сравнения моделей: по данным авторов GigaAM, среднее WER у v3 RNNT 8,3% против 21,0% у Whisper. Поток (potok.now) — облачная диктовка с собственной моделью для русской речи.
Вопрос звучит как выбор из двух, но в найденных данных сравнивают не места запуска, а модели.
Облачное или локальное распознавание речи: что известно о точности
Сравнений моделей несколько. В таблице авторов GigaAM среднее WER равно 9,1% у v3 CTC, 8,3% у v3 RNNT и 21,0% у Whisper. На Golos Crowd это 2,4% против 19,0%, на записях колл-центра 9,5% против 23,1%. Пунктуация и регистр у Whisper в этой таблице сняты. Это данные самих авторов GigaAM, независимого замера мы не нашли.
Ещё одно сравнение даёт карточка T-one от T-Банка. Это модель примерно на 71,7 M параметров, потоковая, с чанками по 300 мс и для телефонии. На записях колл-центра у неё WER 8,63%, у GigaAM-RNNT v2 10,22%, у Whisper large-v3 19,39%.
Чего эти сравнения не показывают
Они не разделяют модели по месту запуска. Прямого сравнения «облако против локального запуска» в первоисточниках нет, а облачные WER SpeechKit и SaluteSpeech на открытых страницах справки не опубликованы.
От места запуска зависит другое: где обрабатывается звук. У Voisty распознавание идёт на устройстве, в Spokenly можно выбрать локальные модели Whisper и Parakeet или облачные, например GPT-4o Transcribe, Deepgram Nova 3 и Soniox. Подробнее об устройстве таких сервисов — в объяснении как устроено облачное распознавание и в материале про локальное распознавание речи в текст.
- 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
Где Поток не поможет
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Это приложение для диктовки на компьютере, версий для Android и iPhone нет. Для готовых записей есть Telegram-бот potok_now_bot: одна подписка действует и в приложении, и в боте. Остальные ответы — в разделе вопросов о голосовом вводе.
Частые вопросы
Только на одном наборе записей и при одинаковой обработке текста. В таблице GigaAM у Whisper сняты пунктуация и регистр. Облачные WER SpeechKit и SaluteSpeech на открытых страницах справки мы не нашли.
Облачное или локальное распознавание речи. «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 «Облачное или локальное распознавание речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Облачное или локальное распознавание речи. «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 «Облачное или локальное распознавание речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Облачное или локальное распознавание речи. 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 «Облачное или локальное распознавание речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Облачное или локальное распознавание речи. 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 «Облачное или локальное распознавание речи» 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»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео, RuTube, Instagram или TikTok — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| 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 |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
| 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