Выбор API распознавания для бота начинается с длины ваших записей. В SpeechKit синхронный запрос ограничен 30 секундами и 1 МБ, потоковый 5 минутами, асинхронный 4 часами и 1 ГБ. SaluteSpeech закрыт для новых клиентов, у OpenAI файл не больше 25 МБ. Для диктовки на компьютере есть Поток (potok.now).
Бот получает голосовое и должен вернуть текст, поэтому первый вопрос не «чей API лучше», а какие записи к нему приходят. Короткие голосовые и часовые подкасты требуют разных режимов.
Что проверить, прежде чем подключать API
- Длину записей. У SpeechKit три режима: синхронный до 30 секунд и 1 МБ с одним каналом, потоковый до 5 минут и 10 МБ, асинхронный до 4 часов и 1 ГБ. У SaluteSpeech синхронный запрос ограничен 2 МБ, асинхронный принимает до 1 ГБ.
- Размер и формат файла. OpenAI принимает файл до 25 МБ в форматах mp3, mp4, mpeg, mpga, m4a, wav и webm. SaluteSpeech работает с PCM_S16LE, OPUS в OGG, MP3, FLAC и ещё тремя форматами.
- Доступность. В справке SaluteSpeech сказано, что подключение новых клиентов недоступно, а купленные пакеты работают до окончания срока. Для нового проекта этот вариант отпадает до того, как вы дойдёте до качества.
- Доступ из кода. В SpeechKit нужен сервисный аккаунт с ролью
ai.speechkit-stt.userи API-ключ или IAM-токен. Русский там по умолчанию: язык ru-RU. - Нужен ли запуск у себя. Для этого есть открытые модели: GigaAM под лицензией MIT принимает до 25 секунд на вызов, дальше нужен режим longform. T-one от Т-Банка потоковая, обрабатывает чанки по 300 мс и сделана для телефонии, лицензия Apache 2.0. Vosk работает офлайн, тоже под Apache-2.0, и русский среди его языков.
С чего начать выбор API распознавания речи для бота
Возьмите свои записи и разложите по длине: сколько в них секунд, сколько минут, сколько часов. Короткие голосовые укладываются в синхронный режим SpeechKit, длинные пойдут асинхронно, и результат придётся забрать в течение 3 дней. Если нужен запуск на своём сервере, сравните размеры записей с пределами GigaAM, T-one и Vosk.
С точностью осторожнее. Таблица сравнения GigaAM с Whisper опубликована самими авторами GigaAM, независимого замера мы не нашли. Прогоните на своих записях нескольких кандидатов и посчитайте WER распознавания речи на этих же файлах. Почему вообще нужна отдельная модель для русской речи, объяснено отдельно.
| 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 |
| 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 |
| 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 |
| 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 |
| GigaType | Windows, macOS | бесплатно без ограничений — открытый исходный код по лицензии MIT (Copyright (c) 2026 Disrupt Builders), весь функционал доступен без оплаты | — | не требуется — платных тарифов нет | устройство (офлайн, нейросеть GigaAM от Сбера) |
| 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 |
| Dragon NaturallySpeaking | Windows | не раскрыто | $699.99/разово (Dragon Professional Individual v16, бессрочная лицензия) | не раскрыто | устройство (офлайн) — локальный акустический движок (~8 ГБ нейросеть) после установки; интернет нужен только для активации лицензии |
| 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 |
| Lispr | Windows, macOS | 60 минут диктовки в неделю бесплатно; ключевые функции (push-to-talk, перевод, словарь, локальная история) остаются бесплатными всегда, без аккаунта | $7.99/мес (Pro, помесячно); $79/год (Pro, за год (от $44.90 с региональными скидками)) | неизвестно (не подтверждено) | облако (США — распознавание выполняет Groq, Inc.) |
| Talkpad | macOS, Windows, Android | 2500 слов/нед на десктопе, 1500 слов/нед на мобильном, бесплатно навсегда; плюс 14 дней Pro-триал | $6/мес (Pro (при годовой оплате, $72/год)); $8/мес (Pro (помесячная оплата)) | неизвестно (не подтверждено) | облако (юрлицо зарегистрировано в Австралии; сайт хостится на Cloudflare, точное расположение серверов ASR не раскрыто в privacy policy) (не подтверждено) |
| 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» |
Когда вопрос не к API
Если вам нужно не встроить распознавание в бота, а надиктовывать тексты на компьютере, API не нужен. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Приложений для Android и iPhone у него нет. Для готовых записей и голосовых есть Telegram-бот potok_now_bot: одна подписка на приложение для диктовки и на бота.
Частые вопросы
До 4 часов и до 1 ГБ через бакет. В теле запроса API v3 помещается 60 МБ. Результаты асинхронного распознавания хранятся 3 дня, так что забирать их нужно сразу.
PCM_S16LE, OPUS в OGG, MP3, FLAC, ALAW, MULAW и G.729. Синхронный HTTP-запрос ограничен 2 МБ и одним каналом, асинхронный принимает до 1 ГБ.
Как выбрать API распознавания речи для бота на русском. «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 выбрать API распознавания речи для бота на русском» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как выбрать API распознавания речи для бота на русском. «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 выбрать API распознавания речи для бота на русском» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как выбрать API распознавания речи для бота на русском. 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 выбрать API распознавания речи для бота на русском» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Как выбрать API распознавания речи для бота на русском. 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 выбрать API распознавания речи для бота на русском» 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»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 |
|---|---|---|---|
| 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