Бесплатного облачного API для русской речи в проверенных источниках нет: Freemium SaluteSpeech для новых клиентов закрыт, а на страницах лимитов Yandex SpeechKit бесплатный уровень не указан. Без оплаты остаются открытые модели, которые запускают у себя: Whisper, GigaAM, Vosk, T-one, Parakeet. Малая модель Vosk занимает 50 Мб. Поток (potok.now) — приложение, не API.
Бесплатный API для распознавания русской речи ищут, когда нужно встроить расшифровку в свой скрипт или сервис. Проверены справки SaluteSpeech и Yandex SpeechKit, а из бесплатного остаются открытые модели: их ставят на свой компьютер или сервер. Ниже по порядку, что с каждым вариантом.
Какие бесплатные API распознавания речи есть для русского языка
Облачный API — это сервис, куда отправляют звук по сети и получают текст. В справке SaluteSpeech есть уведомление: подключение новых клиентов недоступно, продажа пакетов и продление Freemium для физических лиц остановлены, а уже купленные пакеты работают до окончания срока. Вход устроен через OAuth, токен живёт 30 минут. Файлы в асинхронном режиме хранятся 72 часа.
У Yandex SpeechKit три режима: потоковый, синхронный и асинхронный. Доступ идёт через сервисный аккаунт с ролью ai.speechkit-stt.user. На страницах лимитов и цен бесплатный уровень не указан, зато цены на странице есть; результаты асинхронного распознавания хранятся 3 дня.
В справке OpenAI для речи в текст принимается файл до 25 МБ, модель whisper-1 заявлена на 98 языках; цен на странице нет. Остальные облака здесь не разбираются.
Что можно запустить у себя бесплатно
Открытая модель — это веса и код, которые скачивают и запускают без платы за запросы. Для русского подходят пять вариантов:
- Whisper распространяется под лицензией MIT; ставится командой
pip install -U openai-whisper, нужен ffmpeg. - GigaAM тоже под лицензией MIT, текст лицензии не ограничивает коммерческое использование.
- Vosk работает офлайн, лицензия Apache-2.0, в списке 20+ языков с русским; малая модель занимает 50 Мб.
- T-one — потоковая модель для телефонии, около 71,7 M параметров, лицензия Apache 2.0.
- Parakeet-tdt-0.6b-v3 понимает 25 языков, включая русский, лицензия CC BY 4.0.
Почему русской речи вообще нужна своя модель, объясняет материал о том, зачем русскому отдельная модель.
Как выбрать между облаком и открытой моделью
Нужен готовый адрес в интернете, и вы не хотите держать свои мощности: тогда смотрите на SpeechKit, но бесплатного уровня на его страницах лимитов нет. Нужна работа без платы за запросы: берите открытую модель и закладывайте компьютер или сервер под неё. У Whisper самая лёгкая модель tiny требует около 1 ГБ видеопамяти, large — около 10 ГБ. Если задача проще — диктовать заметки, а не писать код, загляните в обзор бесплатных голосовых блокнотов для русской речи.
Где Поток не подходит
Поток здесь не вариант: это приложение для диктовки, а не набор для разработчика. Поток — облачный сервис, распознавание идёт на серверах в России; без интернета он не работает. Для готовых записей у Потока есть Telegram-бот potok_now_bot: одна подписка покрывает приложение для диктовки и бот для записей и голосовых. Бесплатного лимита (2500 слов в неделю на одном устройстве) мало тому, кто диктует весь день. Телефонных приложений для Android и iPhone у Потока нет, офлайна тоже нет.
Частые вопросы
Новым клиентам нет: в справке SaluteSpeech сказано, что подключение новых клиентов недоступно, а продажа пакетов и продление Freemium для физических лиц остановлены. Купленные пакеты работают до окончания срока.
Открытыми моделями, которые ставят на свой компьютер или сервер. У Whisper и GigaAM лицензия MIT, у Vosk и T-one — Apache-2.0, у Parakeet — CC BY 4.0. Расходы тогда уходят на железо, а не на запросы.
690 ₽ в месяц при помесячной оплате или 499 ₽ в месяц при оплате сразу за год (5 999 ₽/год). В Pro входят безлимит по словам, личный словарь терминов, сниппеты по голосу и приоритетная поддержка.
Уже надиктованный текст остаётся там, куда он вставлен, — в поле вашего приложения. Продолжить диктовку сверх бесплатного лимита можно на платном тарифе: у Потока Pro — без лимита слов; иначе — после обновления недельного лимита.
Полностью безлимитны обычно встроенные системные инструменты (Win+H, диктовка macOS) — они бесплатны. У специализированных сервисов бесплатный план почти всегда лимитирован по словам или времени: у Потока это 2500 слов в неделю.
2500 слов в неделю — это в среднем около 350 слов в день на одном устройстве: на короткую переписку хватает. Тому, кто диктует весь день (много текста, документы), лимита мало — тогда стоит смотреть на Pro без лимита слов.
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
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 |
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Первоисточники: support.microsoft.com · support.apple.com