Русская модель wav2vec2 есть на Hugging Face: jonatasgrosman/wav2vec2-large-xlsr-53-russian, XLSR-53 large, дообученная на русском (Common Voice 6.1 и CSS10), лицензия Apache 2.0. В карточке на Common Voice ru WER 13,3, с языковой моделью 9,57. Нужна готовая диктовка, а не модель, — есть Поток (potok.now).
wav2vec2 — архитектура моделей распознавания речи, а для русского языка в открытом доступе есть дообученная на русской речи версия XLSR-53. Ниже — что про неё написано в карточке.
| Сервис | Платформы | Бесплатно | Цена | Оплата из РФ | Где распознаётся речь |
|---|---|---|---|---|---|
| Поток | Windows, macOS, Linux | Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты | Pro 690 ₽/мес, 499 ₽/мес при оплате за год | российские карты, рубли | облако, серверы в России; нужен интернет |
| SpeakFlow | Windows, Web | 30 минут диктовки в месяц, бесплатно навсегда | 690 ₽/мес (Персональный (безлимит)) | рубли напрямую | облако (страна дата-центра не раскрыта на сайте) (не подтверждено) |
| Диктуй | Windows, macOS | 30 минут диктовки в месяц, бесплатно навсегда | 239 ₽/мес (Профи (цена в пересчёте при годовой оплате)); 2870 ₽/год (Профи (год, счёт целиком)); 479 ₽/мес (Макс (цена в пересчёте при годовой оплате)) | рубли напрямую (не подтверждено) | облако (страна дата-центра не раскрыта на сайте) (не подтверждено) |
| Talkpad | macOS, Windows, Android | 2500 слов/нед на десктопе, 1500 слов/нед на мобильном, бесплатно навсегда; плюс 14 дней Pro-триал | $6/мес (Pro (при годовой оплате, $72/год)); $8/мес (Pro (помесячная оплата)) | неизвестно (не подтверждено) | облако (юрлицо зарегистрировано в Австралии; сайт хостится на Cloudflare, точное расположение серверов ASR не раскрыто в privacy policy) (не подтверждено) |
| Voisty | Windows, macOS | 5 минут транскрипции (для оценки качества) | $6.7/мес (Pro); $67/год (Pro (год)); $99/разово (Lifetime) | карты Visa/Mastercard/Amex, PayPal; приём карт РФ не уточнён (не подтверждено) | устройство (офлайн, локальные модели типа Whisper Large V3 Turbo / NVIDIA Parakeet) |
| WhispeRu | Windows | 7 дней бесплатный пробный период (без карты) | 290 ₽/мес (месячная лицензия); 1990 ₽/год (годовая лицензия); 4990 ₽/разово (лицензия навсегда) | рубли напрямую (оплата через YooKassa) | устройство (офлайн) |
| GigaType | Windows, macOS | бесплатно без ограничений — открытый исходный код по лицензии MIT (Copyright (c) 2026 Disrupt Builders), весь функционал доступен без оплаты | — | не требуется — платных тарифов нет | устройство (офлайн, нейросеть GigaAM от Сбера) |
| Molvi | Windows, macOS | бесплатно навсегда, без аккаунтов и оплаты | — | не требуется — продукт бесплатный; добровольные пожертвования принимаются через Telegram Tribute или картой на сайте, суммы не фиксированы | устройство (офлайн; на NVIDIA GPU лучшее качество, иначе быстрая модель на CPU) |
| Lispr | Windows, macOS | 60 минут диктовки в неделю бесплатно; ключевые функции (push-to-talk, перевод, словарь, локальная история) остаются бесплатными всегда, без аккаунта | $7.99/мес (Pro, помесячно); $79/год (Pro, за год (от $44.90 с региональными скидками)) | неизвестно (не подтверждено) | облако (США — распознавание выполняет Groq, Inc.) |
| v2txt.ru | Windows, macOS | тариф Start — 2000 слов/нед | 0 ₽/n/a (весь Pro бесплатно до конца 2026 (обычная цена Pro/Premium после 2026 на сайте не опубликована)) | рубли напрямую (принимаются Visa, Mastercard, карты «Мир», Т-Банк) | облако (Россия) в онлайн-режиме; офлайн-режим — обработка на устройстве |
| Typeless | Windows, macOS, iOS, Android | 8000 слов в неделю (Free plan); новым пользователям даётся 30-дневный пробный период Pro, затем переход на Free при отсутствии оплаты | $12/мес (Pro при оплате за год (эффективно $144/год)); $30/мес (Pro при помесячной оплате) | карты Visa/Mastercard, приём карт РФ не уточнён | облако (страна серверов официально не раскрыта; в privacy policy — общая формулировка 'processed in real time on our cloud servers') (не подтверждено) |
Откуда сведения о модели
Опора страницы — карточка модели на Hugging Face и описание WhisperX, где wav2vec2 тоже встречается. Собственных замеров на русской речи у нас нет, поэтому цифры точности ниже — те, что указаны в карточке, с условиями, в которых они получены. Выводов вида «эта модель лучше другой» на странице нет. Про то, зачем русскому языку своя модель, есть отдельная статья: почему для русской речи нужна отдельная модель.
Что известно про русскую модель wav2vec2
- Это jonatasgrosman/wav2vec2-large-xlsr-53-russian: модель XLSR-53 large, дообученная на русском языке на наборах Common Voice 6.1 и CSS10. Лицензия Apache 2.0.
- Метрики из карточки на Common Voice ru: WER 13,3 и CER 2,88. С языковой моделью WER 9,57 и CER 2,24.
- Вход строго 16 кГц.
- Запускают её двумя способами: через HuggingSound командой
SpeechRecognitionModel("jonatasgrosman/wav2vec2-large-xlsr-53-russian")либо через transformers классамиWav2Vec2ForCTCиWav2Vec2Processor. - В WhisperX wav2vec2 служит моделью выравнивания по словам, и такая модель языково-специфична: для каждого языка нужна своя.
Как читать эти метрики. WER считает долю ошибок на уровне слов, CER — на уровне символов, в карточке это 2,88 против 13,3. Вторая пара цифр, 9,57 и 2,24, получена с языковой моделью, то есть с дополнительным модулем, который подсказывает вероятные сочетания слов. Обе пары относятся к одному набору, Common Voice ru, и сравнивать их стоит только между собой. На своих записях цифры могут отличаться, и проверять это придётся самостоятельно.
Кому подойдёт wav2vec2, а кому нет
- Тем, кому нужна открытая русская модель распознавания с лицензией Apache 2.0 и опубликованными метриками на Common Voice ru, чтобы запускать её у себя через transformers или HuggingSound.
- Тем, кто строит конвейер на WhisperX: там wav2vec2 нужен для выравнивания текста по словам, и важно, что модель выравнивания берётся под конкретный язык.
- Тем, кому нужны цифры для отчёта: WER 13,3 без языковой модели и 9,57 с ней относятся к Common Voice ru, а не к вашим записям, так что на своих файлах их придётся проверить заново. О другой открытой модели для русского читайте в обзоре Whisper и русской речи.
Где готовая модель не подходит
Модель wav2vec2 — это не приложение: способы запуска в карточке даны кодом, через HuggingSound или transformers, а вход должен быть 16 кГц. Если нужна диктовка в любое поле, это другой класс инструмента. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Приложений для телефона у Потока нет. Одна подписка — приложение для диктовки и Telegram-бот potok_now_bot для записей и голосовых.
Частые вопросы
Вход строго 16 кГц. В карточке модели отдельно сказано убедиться, что речь на входе дискретизирована с частотой 16 кГц.
В WhisperX модель wav2vec2 служит для выравнивания по словам. Она языково-специфична: для каждого языка нужна своя модель выравнивания.
Нет, версии Потока для Android нет — продукт работает только на компьютере: Windows, macOS и Linux. Для Android есть встроенный голосовой ввод Google (Gboard) или клавиатура Samsung.
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.
Скачать установщик с potok.now/download → установить → зарегистрироваться по email → в любом текстовом поле зажать хоткей (по умолчанию Ctrl+Space) → говорить → отпустить хоткей — текст появится в поле.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «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