Суммы, даты и ссылки на нормы: что распознавание делает с юридическими числами

Что именно измерили

31 июля 2026 года мы прогнали через свой боевой сервер распознавания 72 фразы в восьми категориях. Две из них имеют прямое отношение к юридическому тексту: «юридическая лексика» и «числа, даты, единицы».

Замер от 31.07.2026 на собственном сервере распознавания, 72 фразы в восьми категориях. Речь синтезированная — идеальная дикция, ровный темп, ноль фонового шума, один голос. Это верхняя граница качества, потолок. На живой речи из обычного микрофона цифры будут заметно хуже.

Почему у чисел две цифры ошибки, и какая из них честная

Здесь нужен один абзац про методику, иначе цифры читаются неправильно. Если считать ошибку распознавания в лоб, слово к слову, на категории чисел получается 42,4%. Выглядит как провал, а на самом деле это разница форматирования: человек сказал «пятнадцатое марта», а модель написала «15 марта». Формально не совпало, по смыслу — идеально.

Поэтому мы считали и вторым способом, приводя числа и единицы к общему виду. По этому счёту — 0,0%, ни одной ошибки из десяти фраз. Для юриста практический вывод простой: в документе появляется сразу та форма записи, которая нужна, и переписывать прописью набранное не приходится.

Чего мы не измеряли — и не станем выдумывать

Ссылок на нормы в наборе фраз не было отдельной категорией. То есть про поведение на конструкции «в силу пункта 2 статьи 450 Гражданского кодекса Российской Федерации» у нас нет прямого замера, и приводить какую-нибудь красивую цифру мы не будем.

Что можно сказать по смежным данным: на юридической лексике ошибок распознавания не было вовсе, а числа модель форматирует правильно. Оба слагаемых конструкции ведут себя хорошо по отдельности. Но «оба слагаемых хороши» и «конструкция целиком берётся без ошибок» — разные утверждения, и второе мы не проверяли.

Практический вывод: ссылки на нормы после диктовки перечитывать обязательно. Ровно так же, как вы перечитываете их после набора руками.

Три случая, когда клавиатура объективно лучше

Номер дела. Длинная строка из цифр, дробей, букв и года. Любая модель распознавания на ней спотыкается, и это не претензия к конкретному движку — просто такая строка не похожа на речь. Копируйте из карточки дела.

Расчёт цены иска. Это таблица. Диктовать таблицу медленнее, чем заполнить, и разъезжается структура.

Реквизиты: ИНН, ОГРН, КПП, расчётный счёт. Двадцать цифр подряд без смысловых пауз. Заготовка или копирование — быстрее и надёжнее. Держите их в сниппетах и вызывайте одной короткой фразой.

Где мы честно слабы

Латиница. В том же замере правильное написание латиницей мы дали только в 9% случаев — 2 из 22 названий. Если в договоре фигурирует иностранное наименование стороны или английская аббревиатура, их придётся править руками.

И общий уровень: по суммарной ошибке распознавания на всех восьми категориях мы не впереди зарубежных движков — 9,2% против 8,1% у Deepgram на том же наборе. Сильные стороны у нас конкретные и проверяемые: русская терминология, автоформатирование чисел, медианный отклик 124 мс и российские серверы. Утверждать, что мы лучше всех распознаём русский, мы не будем — это неправда, и проверяется одним тестом.

Короткие ответы

Нужно ли диктовать цифры цифрами?

Нет, говорите словами. Модель сама приведёт к письменной форме: «2 800 000 ₽», «15 марта в 14:30», «87%».

Как распознаются ссылки на нормы?

Прямого замера у нас нет, цифру не приводим. Смежные категории ведут себя хорошо, но перечитывать ссылки после диктовки нужно.

А номер дела?

Не диктовать. Копировать из карточки или держать в заготовках — это тот случай, где клавиатура быстрее и надёжнее.

Разбор всего рабочего дня юриста с диктовкой — на отдельной странице. Как разложить исковое по блокам — в материале «Как надиктовать исковое заявление».