Модель капитализации — это отдельная модель или блок системы распознавания речи, который решает, какие буквы в тексте должны быть заглавными, работая уже поверх распознанных слов. Часто она работает в связке с пунктуационной моделью как единый постобработчик. У «Потока» (potok.now) заглавные буквы и знаки препинания расставляются автоматически, без отдельной команды.
Распознанный текст без заглавных букв читать неудобно — «привет как дела» вместо «Привет, как дела?». За то, где именно нужна заглавная буква, в системе распознавания речи может отвечать отдельный компонент. Разбираемся, что это за модель и при чём тут «Поток».
Как устроена модель капитализации
Модель капитализации — отдельная модель, которая отвечает именно за простановку заглавных букв в уже распознанном тексте: сама она не превращает звук в слова, а работает поверх результата распознавания речи (ASR). Такую модель обучают совместно с пунктуационной: два классификатора токенов тренируют одновременно поверх одной и той же предобученной языковой модели, например BERT.
Модель капитализации и модель пунктуации часто работают как единый постобработчик: один проход по тексту решает и где нужна заглавная буква, и где нужны знаки препинания, а не по отдельности с нуля для каждой задачи. Подробнее о втором участнике этой пары — в статье о пунктуационной модели; другие термины из этой области — в словаре распознавания речи.
| Термин | Что значит | Пример |
|---|---|---|
| Модель капитализации | отдельная модель, отвечающая за простановку заглавных букв в тексте | модель капитализации и модель пунктуации часто работают как единый постобработчик |
| Локальное (on-device) распознавание | обработка голоса непосредственно на компьютере или телефоне пользователя, без отправки на сервер | локальное распознавание работает без интернета, но требует ресурсов устройства |
| Хотворд (hotword) | заранее заданное слово или фраза, которая запускает определённое действие голосом | хотворд используют для активации ассистента без нажатия кнопок |
| Акустическая модель | часть системы распознавания речи, которая сопоставляет звуковой сигнал с фонемами и звуками языка | акустическая модель отвечает за то, как звучат отдельные звуки речи |
Как это выглядит в тексте после диктовки
Пример прямо из определения: модель капитализации и модель пунктуации часто работают как единый постобработчик — значит, слова из распознавания речи сначала идут без регистра и без знаков, а уже потом получают заглавные буквы и пунктуацию. Если бы этого шага не было, надиктованный текст выглядел бы одной сплошной строчкой строчных букв. Отдельно от устройства самой модели: у «Потока» (potok.now) заглавные буквы и знаки препинания тоже расставляются автоматически, без отдельной команды — диктовать «с большой буквы» не нужно.
Что из этого термина видно в «Потоке», а что нет
У «Потока» (potok.now) — облачный сервис: распознавание идёт на серверах в России, без интернета не работает. Заглавные буквы и знаки препинания он расставляет автоматически — диктовать «с большой буквы» или «точка» не нужно, голосовых команд для форматирования текста у него нет.
Частые вопросы
Нет. Модель распознавания превращает звук в слова, а модель капитализации — отдельный компонент, который уже поверх готового текста решает, где нужна заглавная буква.
Часто да: модель капитализации и модель пунктуации нередко работают как единый постобработчик — одна проходит по тексту и расставляет и заглавные буквы, и знаки препинания, а не по отдельности.
Поток использует собственную модель, обученную под русскую речь; название модели или вендора под капотом не раскрывается.
Что такое модель капитализации. «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 модель капитализации» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое модель капитализации. «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 модель капитализации» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое модель капитализации. 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 модель капитализации» 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»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: docs.nvidia.com · support.microsoft.com