Стриминговое распознавание — режим, при котором распознанный текст появляется по мере произнесения речи, а не только после полной остановки. Такой режим показывает частичный текст ещё до конца фразы. Термин встречается в описании серверных систем распознавания речи, например у Amazon Transcribe — по документации AWS, потоковая обработка идёт в реальном времени, и транскрипты формируются частичными результатами.
Стриминговое распознавание в двух словах — это когда текст программы распознавания речи появляется по частям, ещё пока человек говорит, а не только после того, как он замолчал. Разберёмся, что это значит и где встречается такой режим.
Где встречается стриминговое распознавание
Стриминговое распознавание встречается в описании серверных систем автоматического распознавания речи (ASR), где важно показывать результат по ходу дела, а не только после полной остановки:
- у Amazon Transcribe: по документации AWS, потоковая обработка работает в реальном времени, и транскрипты формируются частичными результатами;
- в сравнении с пакетным (batch) распознаванием — там результат приходит только целиком, после того как вся запись отправлена и обработана;
- рядом с другими техническими терминами той же области — ONNX, орфографическая нормализация, токен.
Термин относится к архитектуре серверной части системы распознавания, а не к тому, что видит пользователь в готовом тексте: и стриминговый, и пакетный режим в итоге могут выдать похожий финальный результат, разница — в том, когда именно появляется текст.
| Термин | Что значит | Пример |
|---|---|---|
| Стриминговое распознавание | режим, при котором текст появляется по мере произнесения речи, а не только после полной остановки | стриминг показывает частичный текст ещё до конца фразы |
| ONNX | открытый формат представления обученных моделей, позволяющий запускать их в разных средах и на разном оборудовании | модель в формате ONNX можно запустить не только там, где она была обучена |
| Орфографическая нормализация | приведение распознанного текста к стандартным правилам письма конкретного языка | орфографическая нормализация выправляет написание, которое не совпадает с обычной письменной нормой |
| Токен | минимальная единица текста, с которой работает языковая модель — слово, часть слова или символ | длинное редкое слово модель может разбить на несколько токенов |
Что стриминг меняет для пользователя программы
Режим распознавания влияет на то, что видит пользователь во время диктовки, а не на итоговую точность текста. При стриминговом распознавании частичный текст появляется ещё до конца фразы — по документации AWS, это возможно потому, что потоковая обработка идёт в реальном времени и выдаёт частичные результаты, а не один итоговый текст в конце. При пакетном (batch) распознавании, наоборот, пользователь не видит ничего, пока вся запись не отправлена и не обработана целиком. Разница касается ощущения скорости работы программы, а не того, насколько точно распознан текст. Другие термины из той же области собраны в словаре распознавания речи.
Где Поток тут ни при чём
Стриминговое распознавание описывает архитектуру серверной части системы распознавания вообще, а не функцию одного конкретного продукта, и прямого отношения к тому, что видит пользователь именно в «Потоке», термин не имеет. О «Потоке» здесь можно сказать только то, что закреплено в его собственном описании: это облачный сервис, распознавание идёт на серверах в России, и без интернета «Поток» не работает.
Частые вопросы
Нет — стриминговое и пакетное распознавание отличаются тем, когда появляется текст, а не тем, насколько он точен в итоге. По документации AWS, стриминговый режим лишь выдаёт частичные результаты в реальном времени, а не один финальный текст в конце.
Что такое стриминговое распознавание. «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 стриминговое распознавание» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое стриминговое распознавание. «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 стриминговое распознавание» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое стриминговое распознавание. 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 стриминговое распознавание» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое стриминговое распознавание. 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 стриминговое распознавание» 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.aws.amazon.com · support.microsoft.com