Авторы GigaAM v3 приводят средний WER 9,1% для варианта CTC и 8,3% для RNNT по десяти русским наборам; у Whisper в той же таблице — 21,0%. Это замеры самих авторов, независимого замера не нашлось. Поток (potok.now) работает на собственной модели и к этой таблице отношения не имеет.
GigaAM v3 — открытая модель распознавания русской речи с лицензией MIT. Качество её описывает таблица в репозитории GigaAM: десять русских наборов, три колонки (GigaAM v3 CTC, GigaAM v3 RNNT и Whisper). Все числа в ней принадлежат авторам модели.
GigaAM v3: какое качество на русском показывают замеры
WER — доля ошибочных слов, чем ниже, тем лучше. Среднее по десяти наборам: 9,1% у v3 CTC, 8,3% у v3 RNNT и 21,0% у Whisper. Версия Whisper в колонке не указана, а пунктуация и регистр у него в замере сняты.
В карточке модели на Hugging Face приведены другие средние: 9,2% (CTC) и 8,4% (RNNT) против 25,1% у Whisper large-v3. Ниже по наборам, WER в %, в порядке CTC / RNNT / Whisper:
- Golos Crowd: 2,8 / 2,4 / 19,0
- Golos Farfield: 4,5 / 3,9 / 16,4
- Common Voice 19: 1,3 / 0,9 / 5,5
- Natural Speech: 7,8 / 6,9 / 13,4
- Callcenter: 10,3 / 9,5 / 23,1
- Disordered Speech: 20,6 / 19,2 / 58,6
GigaAM v3 — Conformer на 220–240 млн параметров. В линейке есть v3_ctc, v3_rnnt, а также v3_e2e_ctc и v3_e2e_rnnt: e2e-варианты добавляют пунктуацию и нормализацию текста.
Где у GigaAM v3 ошибок больше, а где меньше
Самые низкие ошибки в таблице на Common Voice 19: 1,3% у CTC и 0,9% у RNNT. Самые высокие на Disordered Speech (нетипичная речь): 20,6% и 19,2%. Высокие числа и на OpenSTT phone, записях телефонных разговоров: 18,6% и 17,4%; на OpenSTT YouTube — 11,6% и 10,6%, на аудиокнигах OpenSTT — 8,7% и 8,2%. Русский LibriSpeech даёт 4,7% и 4,4%.
Авторы пишут и о другой оценке: e2e-модели выигрывают у Whisper-large-v3 в среднем 70 к 30 по оценке LLM-судьи (Gemini 2.5 Pro). Это не WER, а парное сравнение судьёй. Независимого замера GigaAM v3 найти не удалось. Числа выше относятся к наборам из таблицы, а не к вашим записям, и сравнивать их стоит только внутри одной строки. О том, как программы голосового ввода используют русские модели, читайте в обзоре голосового набора на русском.
| 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 |
Когда эта таблица вам не поможет
Таблица говорит о модели, а не о готовой программе. Если вам нужно диктовать текст, а не запускать модель на своём компьютере, откройте сравнение программы SuperWhisper с другими на русском. 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. Приложений для Android и iPhone у Потока нет, а бесплатного лимита мало тому, кто диктует весь день.
Частые вопросы
В таблице авторов самый высокий WER у Disordered Speech: 20,6% у CTC и 19,2% у RNNT. Следом OpenSTT phone — 18,6% и 17,4%. Лучше всего результат на Common Voice 19: 1,3% и 0,9%.
Лицензия GigaAM — MIT, текст лицензии не ограничивает коммерческое использование. Модель загружается с параметром trust_remote_code=True, размер около 220–240 млн параметров, архитектура Conformer.
Есть бесплатный пробный период на 14 дней с полным доступом к функциям Pro, карта не требуется. После пробного периода — либо бесплатный лимит 2500 слов в неделю, либо платная подписка Pro 690 ₽/мес (дешевле при годовой оплате — 499 ₽/мес).
На сайте potok.now собраны обобщённые отзывы, отражающие типичный опыт пользователей; в маркетинговых материалах они не выдаются за отзывы конкретных людей с именами.
Похожие продукты есть (Wispr Flow, Talkpad, Voisty, встроенные Win+H и диктовка macOS). Поток — российский сервис с собственной моделью, обученной на русской речи; серверы в России, оплата картой РФ в рублях.
Отдельного расширения для браузера у Потока нет: это десктопное приложение, которое работает поверх любого окна и поля ввода, включая браузер, — а не отдельный плагин.
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»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео или RuTube — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
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: support.microsoft.com · support.apple.com