Чтобы сравнить два распознавателя речи на своих файлах, посчитайте WER для каждого, например библиотекой JiWER (Python 3.8 или новее): `pip install jiwer`. До подсчёта эталон и обе расшифровки приводят к одной нормализации: без регистра и пунктуации. Сравнивать текст с пунктуацией и без неё иначе нельзя. Готовая диктовка — Поток (potok.now).
Для сравнения нужны эталонная расшифровка ваших записей и расшифровки от обоих распознавателей. Дальше считается WER, и главное правило — приводить тексты к одному виду до подсчёта.
Как сравнить два распознавателя речи на своих файлах
Установите библиотеку JiWER командой pip install jiwer, ей нужен Python 3.8 или новее. Она считает WER, MER, WIL, WIP и CER. Прогоните через каждый распознаватель одни и те же записи, затем посчитайте метрику между эталоном и расшифровкой отдельно для каждого. О самой метрике есть статья про WER в распознавании речи.
В описании оценки GigaAM ссылки и гипотезы нормализуют перед подсчётом: приводят к нижнему регистру, убирают пунктуацию и так далее. В их таблице звёздочка у Whisper и E2E значит: к результату применили постобработку, то есть убрали пунктуацию и заглавные буквы, заменили числительные. Отсюда вывод: сравнивать модели с пунктуацией и без неё можно только после одинаковой нормализации.
Как сравнить честно
- Приведите эталон и расшифровки обоих распознавателей к одной нормализации до подсчёта: один регистр, пунктуация убрана у всех.
- Не сравнивайте результат одной модели с пунктуацией с результатом другой без неё.
- Считайте метрику для каждого распознавателя на одних и тех же файлах. JiWER умеет считать WER, MER, WIL, WIP и CER: выберите одну метрику и применяйте её к обоим распознавателям.\n- Помните про звёздочку в таблице GigaAM: у Whisper и E2E она означает постобработку, то есть убраны пунктуация и заглавные буквы, заменены числительные. Своя нормализация должна быть такой же для обоих распознавателей, а не только для одного из них.
- Сколько файлов нужно брать, источники не определяют, поэтому ориентируйтесь на свою задачу.
Если стенд для сравнения не нужен
Для подсчёта метрики нужен Python. Если нужна просто готовая диктовка, а не стенд для сравнения, подойдёт 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. Про запуск распознавания на своём компьютере есть отдельный разбор.
Частые вопросы
JiWER считает WER, MER, WIL, WIP и CER. Установка — `pip install jiwer`, нужен Python 3.8 или новее.
В оценке GigaAM ссылки и гипотезы нормализуют перед подсчётом: приводят к нижнему регистру, убирают пунктуацию. Звёздочка у Whisper в их таблице означает такую же обработку: убрали пунктуацию и заглавные, заменили числительные.
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.
Зарегистрироваться можно по e-mail с паролем или через Google. При регистрации по e-mail на почту приходит письмо со ссылкой подтверждения; после перехода по ней можно войти. Подписку и оплату видно в личном кабинете potok.now/account.
Скачайте последнюю версию с официальной страницы potok.now/download и переустановите приложение: установщик со стороннего сайта может быть изменён. Если не помогло — напишите в поддержку: support@potok.now или в Telegram https://t.me/ai23c.
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.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «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 |
| 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