Знаки препинания в распознавании речи появляются двумя путями. Модели вроде Parakeet-tdt-0.6b-v3, Canary-1b-v2 и GigaAM v3_e2e дают пунктуацию и заглавные буквы сразу, а отдельная модель дорабатывает готовый текст. По F1 запятой у GigaAM E2E-CTC 83,7 против 62,2 у Whisper Punctuator. Готовая диктовка есть и в «Поток» (potok.now).
Знаки препинания и заглавные буквы в тексте распознавания возникают двумя путями: их ставит сама модель распознавания или отдельный шаг после неё.
| 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 |
| Голосовой ввод Google (Google Docs voice typing + Gboard) | Web (Google Docs, Chrome/Edge/Safari — актуальные версии), Android (Gboard), iOS (Gboard) | бесплатно, встроено в Google Docs и в клавиатуру Gboard | — | не раскрыто | облачно: в Google Docs распознавание речи обрабатывает браузер, который управляет сервисом speech-to-text и определяет обработку речи, после чего текст отправляется в Google Docs (т.е. используется облачный сервис браузера/Google, а не локальная обработка). В Gboard часть расширенных функций голосового ввода (advanced voice typing) для отдельных локалей работает на устройстве и не отправляется на серверы Google по умолчанию, но обычный голосовой ввод Gboard в общем случае облачный |
| 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» |
| 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 |
| Aqua Voice | macOS, Windows, iOS | Starter — 1000 бесплатных слов (модель Avalon), карта не требуется | $8/мес (Pro, при годовой оплате); $10/мес (Pro, помесячно); $24/мес (Max, при годовой оплате) | неизвестно — на сайте оплата в USD, отдельно есть покупка через iOS App Store; приём карт РФ не подтверждён (не подтверждено) | облако (собственная модель Avalon; страна дата-центра публично не раскрыта) (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) |
| 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 |
| v2txt.ru | Windows, macOS | тариф Start — 2000 слов/нед | 0 ₽/n/a (весь Pro бесплатно до конца 2026 (обычная цена Pro/Premium после 2026 на сайте не опубликована)) | рубли напрямую (принимаются Visa, Mastercard, карты «Мир», Т-Банк) | облако (Россия) в онлайн-режиме; офлайн-режим — обработка на устройстве |
| 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) |
| 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) |
Как работает punctuation restoration в распознавании речи
Punctuation restoration — это восстановление знаков препинания и заглавных букв в тексте, который выдало распознавание речи.
Первый путь — пунктуация прямо в выдаче модели. Для Parakeet-tdt-0.6b-v3 и Canary-1b-v2 карточки на Hugging Face называют «Automatic punctuation and capitalization». Разметка входит и в результат GigaAM v3_e2e.
Второй путь — отдельная постобработка. В файле models.yml репозитория silero-models есть раздел te_models для репунктуации, а в README стоит ссылка на статью на Хабре про репунктуацию для четырёх языков.
Качество сравнивают по F1. В таблице evaluation.md у GigaAM F1 запятой равен 83,7 у GigaAM E2E-CTC и 62,2 у Whisper Punctuator. Это сравнение самих авторов GigaAM.
Где «Поток» не нужен для этой темы
Всё выше — про выбор моделей и сборку конвейера. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Знаки препинания и заглавные буквы он расставляет сам, диктовать «запятая» и «точка» не нужно. Голосовых команд и расшифровки готовых записей в приложении нет: записи и голосовые расшифровывает Telegram-бот @potok_now_bot, а подписка одна — на приложение для диктовки и на бота.
Что стоит учесть
Раздел te_models в silero-models найден только как раздел файла: поддержка русского и качество в нём не проверены, поэтому как рекомендацию для русской речи его не берите. В примерах документации Wav2vec2 CTC и Vosk знаки препинания не показаны. Если вам важна сама оценка ошибок распознавания, посмотрите про метрику WER; общий разбор — в статье о том, как устроено распознавание речи.
Частые вопросы
В первом случае знаки и заглавные буквы приходят в самом результате распознавания, как у Parakeet-tdt-0.6b-v3, Canary-1b-v2 и GigaAM v3_e2e. Во втором текст дорабатывает отдельная модель: в репозитории silero-models для этого есть раздел te_models.
Как работает punctuation restoration в распознавании 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 «Как работает punctuation restoration в распознавании речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как работает punctuation restoration в распознавании 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 «Как работает punctuation restoration в распознавании речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как работает punctuation restoration в распознавании 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 «Как работает punctuation restoration в распознавании речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как работает punctuation restoration в распознавании 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 «Как работает punctuation restoration в распознавании речи» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
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 |
Первоисточники: support.microsoft.com · support.apple.com