Пунктуационная модель — отдельный блок в системе распознавания речи, который расставляет знаки препинания и заглавные буквы поверх уже готового текста, а не во время самого распознавания слов. У «Потока» (potok.now) знаки препинания и заглавные буквы расставляются автоматически, без отдельной команды, а отклик у него — около 0,4 с.
Распознавание речи часто разбито на два шага: сначала модель распознавания (ASR) превращает звук в слова, потом отдельный инструмент расставляет точки, запятые и заглавные буквы. Второй шаг и называется пунктуационной моделью.
Где встречается пунктуационная модель
- В открытых системах распознавания речи, например в фреймворке NeMo от NVIDIA, пунктуационная модель — отдельный блок пайплайна, который получает на вход уже распознанный текст.
- Она работает поверх результата модели распознавания: сначала слова, потом знаки препинания и регистр букв — не одновременно.
- По документации NeMo (NVIDIA), модель предсказывает для каждого слова, нужен ли после него знак препинания, и нужно ли следующее слово писать с заглавной буквы.
| Термин | Что значит | Пример |
|---|---|---|
| Пунктуационная модель | отдельная модель или блок системы, отвечающий именно за расстановку знаков препинания | пунктуационная модель работает поверх уже распознанного текста |
| Многоканальная запись | запись звука несколькими микрофонами одновременно, например для разделения говорящих | многоканальная запись помогает точнее разделить голоса участников встречи |
| CTC (Connectionist Temporal Classification) | метод обучения ASR-моделей, который связывает звуковую последовательность с текстом без точной разметки по времени | CTC — один из способов обучения end-to-end моделей распознавания |
| Направленный микрофон | микрофон, лучше улавливающий звук с определённого направления, чем с остальных | направленный микрофон гарнитуры меньше захватывает посторонние звуки сбоку |
Почему это важно при выборе программы для диктовки
Когда пунктуация — отдельный блок, а не часть одной общей модели распознавания, у разработчика есть выбор: дорабатывать один блок, не трогая распознавание слов, или наоборот. Для человека, который выбирает программу для диктовки, это означает, что точность распознавания слов — то, что принято измерять метрикой WER (Word Error Rate), — и качество расстановки знаков по устройству пайплайна могут быть двумя разными показателями, а не одним общим процентом. У «Потока» знаки препинания и заглавные буквы расставляются автоматически, без единой голосовой команды: диктовать «точка» или «запятая» не нужно.
Где «Поток» тут ни при чём
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Известен только результат: знаки препинания и заглавные буквы «Поток» расставляет сам, а голосовых команд для форматирования текста у него нет — диктовать, что и куда проставить, не нужно.
Частые вопросы
Нет. Модель распознавания превращает звук в слова, а пунктуационная модель — отдельный блок, который добавляет знаки препинания и заглавные буквы поверх уже готового текста.
Поток использует собственную модель, обученную под русскую речь; название модели или вендора под капотом не раскрывается.
Что такое пунктуационная модель. «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 пунктуационная модель» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое пунктуационная модель. «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 пунктуационная модель» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое пунктуационная модель. 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 пунктуационная модель» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое пунктуационная модель. 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 пунктуационная модель» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Скачать «Поток»
Работает по одной клавише в любой программе. 14 дней полного доступа, потом Free 2500 слов в неделю или Pro 690 ₽/мес (499 ₽/мес за год). «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: docs.nvidia.com · support.microsoft.com