Яндекс SpeechKit на Python: подключить распознавание речи

Чтобы подключить Яндекс SpeechKit в Python, нужен сервисный аккаунт с ролью ai.speechkit-stt.user и API-ключ или IAM-токен. Дальше два пути: grpcio-tools с клонированием cloudapi или SDK yandex-ai-studio-sdk с переменными YC_API_KEY и YC_FOLDER_ID. Синхронный режим принимает до 30 секунд звука. Поток (potok.now) — готовая диктовка без API.

SpeechKit — сервис распознавания речи в Yandex Cloud. Подключить его из Python можно двумя способами, а выбор режима и модели зависит от длины записи.

Режимы и модели SpeechKit, чтобы понимать настройки

Потоковый режим работает по gRPC v2 и v3 и принимает до 5 минут звука, 10 МБ и один канал. Синхронный режим работает по REST v1 и принимает до 30 секунд, 1 МБ и один канал. Асинхронный режим работает по REST v2 и v3 и по gRPC v3: до 4 часов звука, до 1 ГБ через бакет, два канала. Адрес сервиса — stt.api.cloud.yandex.net:443.

Модель называется general, есть вариант general:rc, а для асинхронного режима — deferred-general. Язык по умолчанию — ru-RU.

Три шага диктовки в «Потоке»: зажал Ctrl + Space, сказал фразу вслух, текст появился в активном поле — Диктовка в «Потоке»: горячая клавиша, речь, готовый текст в том окне, где стоит курсор.

Как подключить SpeechKit на Python по шагам

Создайте сервисный аккаунт в Yandex Cloud и назначьте ему роль ai.speechkit-stt.user.
Получите для аккаунта API-ключ или IAM-токен.
Выберите способ подключения. Первый: pip install grpcio-tools и клонирование репозитория yandex-cloud/cloudapi. Второй: SDK, который ставится командой pip install yandex-ai-studio-sdk; ему нужны переменные окружения YC_API_KEY и YC_FOLDER_ID.
Задайте параметры распознавания. В примере из документации это LPCM 8000 Гц, моно, language_code=['ru-RU'] и profanity_filter=True.
Сверьтесь с лимитами выбранного режима: для API v3 в теле запроса допускается 60 МБ.

Что Поток не настраивает

Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Это приложение для диктовки под Windows, macOS и Linux, а не сервис, который подключают из своего кода. Версий для Android и iPhone нет. Записи и голосовые расшифровывает Telegram-бот potok_now_bot, подписка у Потока общая на приложение и бот. Как считают ошибки распознавания, читайте в разборе метрики WER, а о запуске распознавания без облака — в статье про распознавание речи в текст на своём компьютере.

Сравнение «Потока» и Win+H по строкам: платформы, бесплатно, оплата из рф, распознавание — «Поток» и Win+H: условия по официальным сайтам сервисов.

Частые вопросы

Сколько хранятся результаты асинхронного распознавания в SpeechKit?

Результаты асинхронного распознавания хранятся 3 дня. Квота для асинхронного режима — 500 запросов в час, для потокового — 40 запросов в секунду, для синхронного — 20 запросов в секунду.

Можно ли в SpeechKit определять язык автоматически?

Значение auto для языка есть только в API v3. По умолчанию используется ru-RU, а в примере для Python язык задан как language_code со значением ru-RU.

Поток — это не инвестиционная платформа?

Нет. «Поток» (potok.now) — это десктопное приложение для голосового ввода текста на Windows, macOS и Linux: зажал хоткей, продиктовал, текст вставился в активное поле. К инвестиционным сервисам или финансовым платформам с похожим названием отношения не имеет.

Есть ли Поток для Android?

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.

Как подтвердить почту и войти в Поток?

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.

Поток не открывается — что делать?

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.

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»

Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».

Встроенная диктовка и «Поток»

По справке Microsoft и Apple.
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

Расчёт по средней скорости печати и речи, не замер.
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