Голосовой ввод без интернета: что действительно работает офлайн

Голосовой ввод без интернета работает только там, где распознавание речи считается на самом устройстве, а не на сервере, например у бесплатной Molvi для Windows и macOS. «Поток» (potok.now) устроен наоборот: без интернета он не работает вовсе, а бесплатный лимит 2500 слов в неделю становится недоступен вместе с самой диктовкой.

Электричка без связи, дача с одной полоской сети, самолёт в режиме полёта: ситуаций, где интернета попросту нет, у любого человека набирается больше, чем кажется. Если голосовой ввод в такой момент молчит, а с клавиатурой печатать неудобно или долго, вопрос «работает ли это без сети» становится не праздным, а вполне практическим. Ответ зависит от того, где программа считает распознавание речи: внутри компьютера или на чужом сервере. Это единственное, что определяет, будет ли диктовка работать в самолёте или в глухом углу без покрытия.

Облако: что и куда уходит

Облачный голосовой ввод устроен просто: микрофон компьютера пишет звук, короткими кусками он уходит по сети на сервер, там модель превращает его в текст, а готовый результат прилетает обратно и вставляется в поле, где стоит курсор. Весь этот путь занимает доли секунды при нормальном соединении, но без сети происходить ему попросту негде.

У «Потока» распознавание идёт на собственной модели, обученной под русскую речь: с именами, терминами и смесью русского с английским, а серверы стоят в России. Отклик у такой схемы около 0,4 секунды: звук долетает до сервера, распознаётся и возвращается в поле практически сразу. Плата за такую схему: постоянная зависимость от сети, без интернета «Поток» не работает, диктовка просто не начинается.

Обратная сторона той же схемы: то, что происходит на компьютере пользователя, требует немногого. тяжёлые вычисления берёт на себя сервер, поэтому слабый или старый ноутбук не мешает распознаванию работать быстро, ни видеокарта, ни свободное место под модель не нужны. Но у этого решения нет офлайн-резерва: если связь пропала на середине диктовки, доделать фразу нечем, кроме клавиатуры, пока сеть не вернётся.

При нестабильном соединении часть фразы может потеряться ещё до сервера, и это выглядит так же, как обычная ошибка распознавания, хотя причина другая. Проверить это на глаз сложно: результат один и тот же, пустое место вместо ожидаемого текста, а разбираться, сеть это или само распознавание, обычно нет времени посреди работы.

Данные при этом всё равно уходят за пределы компьютера: у «Потока» звук долетает до серверов в России и обрабатывается там по режиму 152-ФЗ, но физически покидает устройство в любом случае. Для компаний, которым запрещено выпускать голос сотрудников за пределы своего периметра, у «Потока» есть отдельный вариант с серверами внутри контура компании и SSO, но это отдельный запрос для бизнеса.

Локальные программы: чего они требуют от компьютера

Офлайн-распознавание — это когда программа превращает голос в текст прямо на устройстве, без обращения к серверу вообще: звук никуда не уходит по сети, а модель, которая его понимает, целиком лежит на диске компьютера.

Дальше начинаются практические различия. Чем крупнее и точнее модель, тем больше ей нужно оперативной памяти и вычислительных ресурсов, а на слабом или старом ноутбуке распознавание может идти заметно медленнее, чем у облачного варианта с быстрым сервером на другом конце.

Среди отдельных офлайн-программ, например, есть Molvi — бесплатный инструмент для Windows и macOS без аккаунтов и оплаты, который распознаёт русский, английский и переключается между ними автоопределением прямо на устройстве. WhispeRu устроен иначе: лицензия для Windows с семидневным пробным периодом без карты, тоже офлайн, но без открытых данных о том, как именно программа справляется с русской речью: это стоит проверить на своих фразах в пробный период, а не полагаться на общее описание с сайта разработчика.

Есть и другие варианты. RechFlow на тарифе Free Local — бета-версия для Windows с безлимитной локальной диктовкой без подписки, с заявленным русско-английским словарём технических терминов. GigaType для Windows и macOS построен на GigaAM — нейросети Сбера, обученной именно под русский язык, и тоже распознаёт речь прямо на устройстве. Voisty (Windows и macOS) даёт 5 минут транскрипции бесплатно, чтобы оценить качество, а дальше работает по подписке, тоже офлайн, на локальных моделях.

Зато такие программы работают там, где сети нет в принципе: в самолёте, в подвале без покрытия, на объекте без вайфая, и звук при этом не покидает компьютер вовсе, что важно для задач, где утечка записи разговора недопустима в принципе. Голосовой ввод Windows (Win+H) к этой категории не относится: он распознаёт речь в облаке Microsoft и без интернета тоже не работает. Диктовка на macOS устроена иначе: на устройствах с Apple Silicon она распознаёт речь прямо на устройстве, так что для Mac стоит для начала проверить именно встроенный инструмент, а не сразу искать отдельную программу.

Как быстро выбрать между облаком и офлайном

Выбор между облачным и локальным вариантом упирается в несколько простых вопросов.

• Бывают ли у вас регулярные ситуации без интернета: дорога, объекты без сети, помещения с плохим покрытием? Если да, без локального варианта не обойтись хотя бы как запасного.
• Нужен личный словарь для терминов и имён? Он есть в «Потоке»; у офлайн-программ из обзора смотрите их собственное описание, у каждой это устроено по-своему.
• Есть ли ограничение на то, чтобы звук вообще покидал компьютер: например, корпоративная политика или работа с чувствительными данными? Это сразу отсекает облачные решения без варианта развёртывания в своём периметре.
• Какой у вас компьютер по характеристикам? Слабому ноутбуку локальная модель может оказаться не по силам, тогда как облачный вариант нагружает в основном канал связи.
• Устраивает ли текущий бесплатный лимит? У «Потока» это 2500 слов в неделю: для разовых сообщений хватает, для диктовки весь день нет.

Часто правильный ответ: держать оба варианта, облачный сервис для основной работы за компьютером с постоянной сетью и локальный инструмент про запас, когда связи не будет.

Кому Поток не подойдёт

«Поток» — облачный сервис: распознавание идёт на серверах в России, и без интернета он не работает вовсе. Тем, кто регулярно оказывается без сети (в дороге, на объектах без покрытия, в местах с корпоративным запретом на выход в интернет), нужен именно локальный инструмент, а не облачный, каким бы точным он ни был.

То же самое касается задач, где звук в принципе не должен покидать компьютер: юридические или медицинские данные с особыми требованиями к хранению, встречи с грифом конфиденциальности. Вопрос, утекают ли данные при голосовом вводе, стоит разбирать отдельно от вопроса про интернет, но для таких случаев у «Потока» есть только вариант с серверами в периметре компании по отдельному запросу, обычного облачного тарифа здесь недостаточно.

Мобильных приложений для Android и iPhone у сервиса тоже нет: только Windows и macOS. А если диктовка нужна не для набора текста, а для расшифровки уже записанного разговора или голосового сообщения, «Поток» тоже не подойдёт: он превращает в текст то, что вы говорите сейчас, а не файлы из прошлого.

Частые вопросы

Программы по теме: сравнение условий

Встроенная диктовка и «Поток»

Первоисточники: voisty.com · voisty.com · whispe.ru · whispe.ru