Speech framework — программный интерфейс (API) Apple, который сторонние приложения для Mac и iPhone могут использовать для распознавания речи, не создавая собственную систему с нуля. Он лежит в основе диктовки с клавиатуры, но доступен разработчикам и отдельно от неё — для голосовых команд или расшифровки текста внутри своего приложения.
Разработчик делает приложение для Mac или iPhone и хочет добавить голосовой ввод — писать модель распознавания речи с нуля дорого и долго. Apple предлагает готовый инструмент для этого случая.
Где встречается Speech framework
Speech framework — это программный интерфейс (API), который Apple даёт разработчикам приложений для macOS и iOS. Вместо того чтобы создавать собственную систему распознавания речи, приложение подключает готовый framework и получает текст из записанного или живого звука. Именно на этой же технологии, по документации Apple, построена и клавиатурная диктовка — только framework можно использовать в своём приложении отдельно от клавиатуры: для голосовых команд или расшифровки текста внутри своего приложения. Смежные понятия рядом с ним — буфер обмена, фоновый процесс и специальные возможности (Accessibility): они тоже касаются того, как голосовой ввод встраивается в остальную часть системы и сторонних приложений на устройствах Apple.
Что framework даёт разработчику на самом деле
Speech framework — не отдельная программа с интерфейсом, а строительный блок для чужих приложений: он передаёт разработчику готовую функцию распознавания речи, которую тот встраивает в своё окно, кнопку или сценарий. Пользователь framework обычно не видит вовсе — он видит только то приложение, которое его подключило.
Разница с обычной клавиатурной диктовкой в том, что диктовка привязана к текстовому полю и клавиатуре, а framework разработчик может вызвать из любой части своего приложения — например, чтобы распознать голосовую команду без открытия поля ввода. На Windows похожий по идее выбор стоит перед тем, кто ищет встроенный голосовой ввод: Win+H открывает панель диктовки в поле, а голосовой доступ (Voice Access) управляет всей системой голосом — это две разные встроенные функции, а не варианты одного API.
| Термин | Что значит | Пример |
|---|---|---|
| Speech framework (Apple) | программный интерфейс Apple, который сторонние приложения могут использовать для распознавания речи на устройствах Apple | приложения для Mac и iPhone могут использовать Speech framework вместо собственной системы распознавания |
| Буфер обмена | временное системное хранилище скопированного текста или данных перед вставкой | некоторые способы вставки текста используют буфер обмена, другие — прямую симуляцию ввода |
| Фоновый процесс | программа, которая работает, не открывая видимого окна, ожидая события вроде нажатия хоткея | приложение диктовки работает как фоновый процесс, пока не активирован хоткей |
| Специальные возможности (Accessibility) | раздел настроек ОС с функциями для людей с ограничениями, включающий, в частности, голосовое управление | диктовка macOS включается не в специальных возможностях, а в «Системные настройки» → «Клавиатура» → «Диктовка» |
Ограничения Потока по этой части
«Поток» не использует Speech framework Apple и не встраивается в приложения через API — это отдельная десктопная программа со своей горячей клавишей и собственной облачной моделью, обученной под русскую речь. Распознавание у «Потока» идёт на серверах в России, без интернета оно не работает. Одна подписка «Потока» открывает и приложение для диктовки, и Telegram-бот @potok_now_bot для записей и голосовых.
Частые вопросы
По документации Apple, приложения для Mac и iPhone могут подключить Speech framework вместо разработки собственной системы распознавания речи — это готовый программный интерфейс с той же технологией, что использует клавиатурная диктовка.
Поток — десктопное приложение для Windows, macOS и Linux.
Что такое Speech framework (Apple). «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 Speech framework (Apple)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое Speech framework (Apple). «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 Speech framework (Apple)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое Speech framework (Apple). 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 Speech framework (Apple)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое Speech framework (Apple). 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 Speech framework (Apple)» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Попробовать на своих текстах
Скачайте «Поток» для Windows, macOS или Linux: первые 14 дней — полный доступ без карты. Потом бесплатно 2500 слов в неделю или Pro за 690 ₽ в месяц. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| 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: developer.apple.com · support.microsoft.com