Пример потокового распознавания SpeechKit (API v2) отправляет звук по gRPC на `stt.api.cloud.yandex.net:443` с языком ru-RU, моделью general и форматом LPCM на 8000 Гц, порциями по 4000 байт. В заголовке нужен IAM-токен, в конфигурации — folder_id. Сессия до 5 минут. Готовая диктовка без кода — Поток (potok.now).
SpeechKit — сервис распознавания речи Яндекса. Потоковый режим принимает звук порциями и по ходу присылает промежуточные результаты. Пример ниже описан на странице примеров потокового распознавания для API v2.
Как устроено потоковое распознавание в примере SpeechKit
В конфигурации запроса указывают язык ru-RU, модель general и формат LPCM (LINEAR16_PCM) на 8000 Гц. Звук отправляют порциями по 4000 байт на gRPC-адрес stt.api.cloud.yandex.net:443. Авторизация — IAM-токен в заголовке authorization: Bearer <токен>, а folder_id передают в конфигурации. На каждую порцию приходят ответы: у промежуточных поле final равно False, у завершённого True. В примере слово «привет» сменяется итоговым «привет мир». Всё это относится к API v2. Клиентский код пример берёт из репозитория cloudapi: для Python нужен пакет grpcio-tools, для Node.js пакеты grpc, @grpc/proto-loader и google-proto-files. Запускаемый скрипт принимает токен, folder_id и путь к файлу speech.pcm со звуком.
Запуск примера
- Клонируйте репозиторий:
git clone https://github.com/yandex-cloud/cloudapi. - Для Python поставьте
pip install grpcio-tools. - Для Node.js:
npm install grpc @grpc/proto-loader google-proto-files --save. - Запуск на Python:
python3 test.py --token ${IAM_TOKEN} --folder_id ${FOLDER_ID} --path speech.pcm.
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Лимиты потокового режима и где он не подходит
Потоковая сессия длится до 5 минут и вмещает до 10 МБ, канал один, квота 40 запросов в секунду. Для длинной записи эти пределы придётся учитывать. Пример рассчитан на код с токенами и gRPC. Если нужна диктовка в окно программы, 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. Как включить встроенную диктовку Windows, читайте в статье про Win+H и русскую речь; другие способы — в разделе инструкций.
Частые вопросы
По полю final: у промежуточных ответов оно равно False, у завершённого True. В примере «привет» сменяется итоговым «привет мир».
Сессия до 5 минут и до 10 МБ, один канал, квота 40 запросов в секунду.
Только с официального сайта: potok.now/download. Установка бесплатна, дальше действует 14-дневный пробный период с полным доступом без привязки карты.
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.
На сайте potok.now собраны обобщённые отзывы, отражающие типичный опыт пользователей; в маркетинговых материалах они не выдаются за отзывы конкретных людей с именами.
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»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