Beam search и n-best гипотезы — способ, которым модель распознавания речи выбирает итоговый текст из нескольких похожих вариантов расшифровки одного и того же звука. Вместо одного «жёсткого» решения на каждом слове модель держит несколько цепочек слов параллельно и в конце выбирает ту, у которой выше общая вероятность. У Потока (potok.now) собственная модель, обученная под русскую речь, с заявленным WER 2,1% на бенчмарке GolosTest.
Когда вы диктуете фразу, модель распознавания речи не всегда сразу «слышит» одно точное слово: акустический сигнал часто похож сразу на несколько слов или фраз. N-best гипотезы — это список из нескольких таких вариантов расшифровки одного и того же отрезка речи, отсортированных по вероятности. Beam search — алгоритм, которым модель отбирает и удерживает именно эти несколько вариантов, а не перебирает вообще все возможные комбинации слов.
Как модель выбирает между вариантами распознавания
Модель распознавания речи не сопоставляет звук напрямую с буквами: она превращает аудио в последовательность вероятностей — для каждого момента звука модель оценивает, какое слово или часть слова наиболее вероятны. На стыках слов, омофонах и нечёткой дикции у модели часто получается сразу несколько похожих кандидатов, а не единственный верный ответ.
Beam search — способ выбрать из огромного числа возможных комбинаций слов небольшое число самых вероятных, не перебирая вообще все варианты целиком: это было бы слишком медленно даже для короткой фразы. На каждом шаге алгоритм держит фиксированное число лучших частичных вариантов расшифровки — так называемую ширину луча, — отбрасывает менее вероятные продолжения и достраивает оставшиеся дальше, слово за словом.
N-best гипотезы — результат этой работы: не один текст, а список из нескольких вариантов расшифровки одного и того же отрезка речи, упорядоченных по вероятности. Из этого списка модель или программа обычно показывает только первый, самый вероятный вариант, но сам список из нескольких гипотез может использоваться и дальше — например, чтобы выбрать другую версию фразы, если после неё встретилось слово, с которым первый вариант плохо сочетается по смыслу.
Для пользователя эта внутренняя механика напрямую не видна: параметры своего декодера вроде ширины луча производители программ для диктовки на сайтах не публикуют. Заметно на практике другое — как часто модель путает похожие по звучанию слова и фразы, и здесь помогает не сам факт использования beam search, а то, насколько модель обучена именно под язык и лексику, с которой вы работаете. Разница между программами по этому параметру подробнее разобрана в обзоре программ для диктовки.
Когда выбор между гипотезами заметен пользователю
На практике разница между гипотезами заметнее всего на омофонах и похожих по звучанию словах: «компания» и «кампания», сокращения и полные формы одного и того же слова. Если модель уверенно выбрала не тот вариант, а других похожих гипотез не осталось, текст приходится исправлять вручную.
Имена, названия компаний и профессиональные термины — ещё одна частая причина, по которой среди нескольких похожих гипотез модель выбирает не ту: таких слов мало в обучающих данных модели, и вероятность у них по умолчанию ниже, чем у более частых слов. У Потока для этого есть личный словарь: заранее внесённые термины и имена повышают их вероятность при выборе между гипотезами, и результат совпадает с реальным словом чаще. Подробнее о настройке распознавания под такие случаи — в материале про голосовой ввод для русской речи.
Быстрая невнятная речь и фоновый шум делают все гипотезы сразу менее надёжными: модель просто менее уверена в каждом варианте, и итоговый текст получается менее точным независимо от того, сколько кандидатов она держала на каждом шаге.
Для выбора конкретной программы диктовки параметры beam search и n-best не публикуются производителями и сравнивать их напрямую нельзя: практическая точность на ваших собственных фразах — более надёжный ориентир, чем внутреннее устройство декодера.
| 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 |
Чего Поток не умеет с гипотезами распознавания
Поток не показывает пользователю альтернативные гипотезы распознавания и не даёт выбрать между несколькими вариантами вручную: на экране сразу появляется один, итоговый текст. Кому нужен доступ именно к списку альтернативных расшифровок, готового инструмента с такой функцией у Потока нет.
Поток — облачный сервис, распознавание идёт на серверах в России, и без интернета он не работает. Расшифровкой уже готовых аудиозаписей — интервью, звонков, голосовых сообщений — сервис тоже не занимается: он распознаёт только то, что вы произносите прямо сейчас, во время диктовки.
Мобильных приложений для Android и iPhone у Потока нет — есть версии для Windows, macOS и Linux.
Частые вопросы
У большинства программ для диктовки, включая Поток, на экране появляется только один, самый вероятный вариант текста — списка альтернативных гипотез пользователю обычно не показывают, это внутренний промежуточный результат модели.
Сам по себе beam search — это способ быстро найти хороший вариант среди множества возможных, а не гарантия точности. На итоговый результат больше влияет то, насколько модель обучена именно под нужный язык и лексику, чем ширина луча в алгоритме поиска.
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.
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.
Только с официального сайта: potok.now/download. Установка бесплатна, дальше действует 14-дневный пробный период с полным доступом без привязки карты.
Отдельного расширения для браузера у Потока нет: это десктопное приложение, которое работает поверх любого окна и поля ввода, включая браузер, — а не отдельный плагин.
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»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
Программы по теме: сравнение условий
| 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) |
Первоисточники: speakflow.ru · speakflow.ru · speakflow.ru · blog.speakflow.ru