Диаризация — разбиение аудио на сегменты по личности говорящего. Её умеют pyannote (открытая community-1 и платная precision-2), облачные SaluteSpeech и gpt-4o-transcribe-diarize от OpenAI; tinydiarize в whisper.cpp даёт только метки смены говорящего. Разметка «Спикер 1», «Спикер 2» есть и в боте Потока (potok.now).
В записи разговора важно понимать, кто что сказал, и для этого нужна диаризация.
| 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 |
| 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) |
| Голосовой доступ (Voice Access) Windows 11 | Windows | бесплатно, встроено в Windows 11 версии 22H2 и новее | — | не раскрыто | устройство (офлайн) — распознавание речи на устройстве после разовой загрузки языкового пакета; интернет нужен только для первичной загрузки языка |
| 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) |
| 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) |
| 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 |
| 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 |
| SuperWhisper | macOS, Windows, iOS | бесплатно: маленькие локальные модели без ограничений по использованию (офлайн) | $8.49/мес (Pro, помесячно); $84.99/год (Pro, годовая (≈$7.08/мес)); $249.99/разово (Lifetime, разово, покрывает Mac+Windows+iOS) | не раскрыто | гибрид: маленькие локальные модели офлайн (бесплатно), крупные облачные модели (Scribe, Nova, Gemini, GPT и др.) через прокси Superwhisper на Pro/BYOK — провайдеры видят запрос от прокси, не аккаунт пользователя |
| 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 |
| Voisty | Windows, macOS | 5 минут транскрипции (для оценки качества) | $6.7/мес (Pro); $67/год (Pro (год)); $99/разово (Lifetime) | карты Visa/Mastercard/Amex, PayPal; приём карт РФ не уточнён (не подтверждено) | устройство (офлайн, локальные модели типа Whisper Large V3 Turbo / NVIDIA Parakeet) |
| WhispeRu | Windows | 7 дней бесплатный пробный период (без карты) | 290 ₽/мес (месячная лицензия); 1990 ₽/год (годовая лицензия); 4990 ₽/разово (лицензия навсегда) | рубли напрямую (оплата через YooKassa) | устройство (офлайн) |
Какие модели умеют разделять спикеров
Диаризация — это разбиение аудио на однородные сегменты по личности говорящего. Так её определяют в проекте WhisperX.
Среди открытых решений названа pyannote: community-1 открытая и запускается локально, а precision-2 платная и работает в облаке pyannoteAI. По DER на наборе AMI IHM получилось 18,8 у legacy-версии, 17,0 у community-1 и 12,9 у precision-2. На DIHARD 3 — 21,4, 20,2 и 14,7 соответственно.
В whisper.cpp есть режим tinydiarize (флаг -tdrz): он ставит только метки смены говорящего и помечен как экспериментальный.
Облачные варианты: SaluteSpeech (параметр SpeakerSeparationOptions) и OpenAI gpt-4o-transcribe-diarize, ответ которого идёт в формате diarized_json. Определение термина — в словаре про диаризацию, а как выглядит запись с разметкой — в статье о расшифровке по спикерам.
Где «Поток» не разделит спикеров
Приложение «Поток» — диктовка, расшифровки готовых записей в нём нет. Записи и голосовые расшифровывает Telegram-бот @potok_now_bot: разметку по спикерам («Спикер 1», «Спикер 2») и тайм-коды в нём можно включить. Имён говорящих бот не знает, только номера. Подписка одна — на приложение и на бота. «Поток» — облачный сервис, распознавание идёт на серверах в России, без интернета не работает.
Что учесть при выборе модели
Перекрывающаяся речь обрабатывается плохо: об этом прямо сказано в README WhisperX. Цифры DER относятся к наборам AMI IHM и DIHARD 3, на ваших записях результат может быть другим. Ещё один критерий — где идёт обработка: community-1 запускают локально, а precision-2, SaluteSpeech и gpt-4o-transcribe-diarize работают в облаке.
Частые вопросы
community-1 — открытая модель, её запускают локально. precision-2 платная и работает в облаке pyannoteAI. По DER на AMI IHM у precision-2 12,9 против 17,0 у community-1, на DIHARD 3 — 14,7 против 20,2.
Что такое диаризация и какие модели умеют разделять спикеров. «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 «Что такое диаризация и какие модели умеют разделять спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое диаризация и какие модели умеют разделять спикеров. «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 «Что такое диаризация и какие модели умеют разделять спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое диаризация и какие модели умеют разделять спикеров. 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 «Что такое диаризация и какие модели умеют разделять спикеров» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое диаризация и какие модели умеют разделять спикеров. 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 «Что такое диаризация и какие модели умеют разделять спикеров» 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 |
Первоисточники: support.microsoft.com · support.apple.com