Edge-вычисления — распознавание речи прямо на устройстве, без отправки звука на сервер — в голосовом вводе используют немногие программы: GigaType, Voisty, WhispeRu, Molvi. Большинство, включая Поток (potok.now), работают через облако — так проще держать модель точной и постоянно её улучшать; у Потока это даёт отклик около 0,4 с. Офлайн-модели избавляют от интернета, но обновляются только вместе с самим приложением.
Голосовой ввод превращает речь в текст с помощью нейросети, которая слушает звук и выдаёт слова. Где именно эта нейросеть считает — на сервере разработчика или на компьютере пользователя, — вопрос не праздный: от него зависит, нужен ли интернет, сколько ресурсов компьютера это заберёт и как быстро улучшится качество распознавания. Edge-вычисления — это как раз второй вариант: расчёт прямо на устройстве, без передачи звука наружу.
Как устроен голосовой ввод: где считает нейросеть
Путь звука до текста одинаков в общих чертах для любой программы: микрофон записывает голос, приложение отправляет запись акустической модели, та распознаёт слова, и готовый текст вставляется в поле, где стоит курсор. Разница — в том, где именно работает эта модель.
При облачном подходе запись уходит на сервер разработчика, там её обрабатывает модель на серверном оборудовании, а обратно возвращается уже текст. Так устроен Поток: распознавание идёт на серверах в России, на собственной модели, обученной под русскую речь, — у Потока это даёт отклик около 0,4 секунды. Похожим образом работают SpeakFlow и Диктуй, хотя страна их дата-центров на сайтах не раскрыта, и Talkpad, у которого точное расположение серверов распознавания тоже не указано в политике конфиденциальности. У Lispr распознавание выполняет отдельная компания — Groq, и её серверы находятся в США.
При edge-подходе модель устанавливается вместе с программой и считает на процессоре или видеокарте того же компьютера, за которым сидит пользователь, без обращения к какому-либо серверу. Так работают GigaType, построенный на GigaAM — нейросети Сбера, обученной специально под русский язык, и Voisty, использующий локальные модели вроде Whisper Large V3 Turbo или NVIDIA Parakeet. WhispeRu распознаёт полностью офлайн. У Molvi качество зависит от железа: на видеокарте NVIDIA включается более точная модель, без неё — упрощённая версия для процессора.
Разница в устройстве объясняет и разницу в возможностях. Серверный вариант не ограничен мощностью компьютера пользователя: модель можно сделать сколь угодно большой и точной, а улучшать её разработчик может на своей стороне, без переустановки программы у каждого пользователя. Локальный вариант обязан уместиться в память обычного компьютера и работать без сервера — а значит, новая версия модели с более высоким качеством распознавания появится у пользователя только вместе с обновлением самого приложения. Обзор всех программ голосового ввода из этого разбора собран на странице раздела.
Где диктовка экономит время, а где мешает
Диктовка выигрывает время там, где текста много, а печатать неудобно или долго: черновик письма, конспект встречи, заметка на ходу. При стабильном интернете разница между облаком и устройством для пользователя незаметна — счёт идёт на доли секунды, а облачную модель можно постоянно доучивать на стороне сервера, не переустанавливая приложение у пользователя.
Там, где интернета нет или он ненадёжен — в дороге, в помещении без сети, на объекте с корпоративным запретом на облачные сервисы, — картина меняется: облачная программа просто не сможет отправить запись, а локальная продолжит работать как ни в чём не бывало. Здесь и раскрывается практический смысл edge-вычислений: GigaType, Voisty, WhispeRu и Molvi не зависят от того, есть ли соединение в этот момент.
Мешает диктовка там, где важна тишина или где нет возможности говорить вслух — в open space, в транспорте среди людей, в переговорной с другими участниками. Это ограничение общее для любого голосового ввода, от способа распознавания не зависящее.
Отдельный случай — слабый или старый компьютер без дискретной видеокарты. Локальной модели тогда достаётся меньше вычислительных ресурсов, и у части программ включается упрощённый режим: у Molvi это прямо предусмотрено — без NVIDIA GPU работает более простая модель для процессора. Разница между Потоком и GigaType по устройству распознавания и по тому, что каждый умеет, подробнее разобрана в сравнении Потока и GigaType.
| 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 |
Когда лучше печатать или выбрать офлайн-вариант
Печать остаётся удобнее диктовки для коротких точных правок — поменять слово, поставить запятую, отредактировать таблицу: голосом такие мелкие изменения делать дольше, чем руками. То же самое — для текста, где важна абсолютная точность формулировок с первого раза, например юридического документа: надиктованный черновик всё равно потребует вычитки.
Офлайн-вариант стоит выбрать вместо облачного, если работа идёт там, где интернета нет или он нестабилен — в дороге, на объектах без связи, — или если в компании действует прямой запрет на передачу голоса на внешние серверы. GigaType, Voisty, WhispeRu и Molvi в этих случаях подходят лучше: запись не покидает компьютер.
Поток — облачный сервис, распознавание на серверах в России; без интернета не работает, поэтому в перечисленных случаях он не вариант. Для слабого ноутбука без дискретной видеокарты офлайн-выбор тоже не всегда однозначен: часть локальных моделей на таком железе переключается в упрощённый режим, и здесь стоит смотреть данные конкретной программы, а не полагаться на общее правило.
Частые вопросы
Не всегда, но качество может зависеть от неё: например, Molvi даёт лучший результат на видеокарте NVIDIA, а без неё переключается на более простую модель для процессора. WhispeRu и GigaType заявлены как рабочие и на обычном ноутбуке без дискретной видеокарты, отдельных данных о скорости распознавания на слабом железе разработчики не публикуют.
У Потока заявлено около 900 знаков в минуту голосом против около 200 при печати — примерно в 4 раза быстрее. Это оценка продукта, а не независимый замер.
По модельной оценке, средняя скорость диктовки через Поток — около 900 знаков в минуту против примерно 200 знаков в минуту при обычной печати, то есть речь заметно быстрее клавиатуры.
Да: в Windows есть встроенный голосовой ввод по Win+H (русский — только в Windows 11, в Windows 10 русского нет; без интернета не работает), а на Mac — системная диктовка в настройках клавиатуры. Обе бесплатны.
Встроенные системные инструменты (Win+H в Windows, Диктовка в macOS, Voice Typing в Google Docs, Gboard на Android), голосовые расширения браузера, а также специализированные десктопные/веб-сервисы (Поток и аналоги), которые работают поверх любого приложения через хоткей.
Подходит микрофон, который система видит как устройство записи. В «Потоке» его выбирают в настройках приложения или в меню значка в трее; системный доступ к микрофону нужен обязательно.
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»Диктуете в приложении, а записи и голосовые расшифровывает @potok_now_bot в Telegram. 60 минут в месяц — бесплатно, подписка «Потока» снимает лимит в боте и в приложении.
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