Кодовое переключение — это когда человек в одной фразе переходит с русского на английский и обратно, например вставляет термины или названия. Современные модели распознавания справляются с этим не одинаково: одни используют мультиязычные модели с автоопределением, другие настроены на один язык. У Потока (potok.now) — собственная модель с WER 2,1% на бенчмарке GolosTest, обученная в том числе на смешанной русско-английской речи.
Кодовое переключение — обычное дело для людей, которые работают на смеси языков: разработчики вставляют английские термины, маркетологи — названия сервисов и метрик, кто-то просто чаще думает по-английски о своей профессии. Для голосового ввода это отдельная сложность: модели нужно не просто распознать слова, а понять, что язык фразы поменялся посреди предложения, и не исказить ни одну из частей. Похожий опыт перехода на диктовку в целом описан в материале о том, почему автор перестал печатать руками.
Как модели распознают смену языка внутри фразы
Есть два разных подхода к языку в распознавании речи. Первый — жёсткая привязка: пользователь один раз выбирает язык диктовки, и модель декодирует звук только в его алфавите и словаре. Если в такую фразу попадает слово на другом языке, модель либо подбирает похожее по звучанию слово из «своего» языка, либо записывает его буквами не того алфавита, и термин на выходе выглядит искажённым.
Второй подход — многоязычные модели с автоопределением: они умеют предсказывать язык не для всей фразы целиком, а для отдельных участков звука, и переключаться прямо посреди предложения. Такие модели точнее на смешанной речи, но им нужны обучающие примеры именно с переключением языка внутри одной записи, а не просто отдельные датасеты на русском и на английском по отдельности. Иначе модель научится распознавать оба языка, но не сами переходы между ними.
Отдельная часть задачи — устойчивые термины и названия: имена продуктов, аббревиатуры, профессиональный жаргон. Даже хорошая многоязычная модель может не знать редкое название сервиса или человека. Здесь помогает персональный словарь — список терминов и имён, которые распознавание учитывает при выборе похожих по звучанию вариантов. У Потока такой словарь есть: можно один раз занести повторяющиеся термины и имена, и дальше модель будет подставлять их точнее, а не гадать по созвучию.
На практике смешанная речь всегда даётся моделям сложнее чистой одноязычной. Чем чаще меняется язык внутри фразы и чем реже встречается конкретная пара языков в обучающих данных, тем выше риск ошибки именно на границе переключения.
Где смешанная речь работает нормально, а где создаёт проблемы
Разработчик, который диктует комментарий к коду вроде «добавил валидацию для user_id, теперь фронт получает четыре сорок четыре», вставляет отдельные термины в русское предложение. С такими короткими переключениями современные модели справляются заметно лучше, чем с длинными кусками текста на другом языке. Если термины повторяются — названия функций, сервисов, переменных, — стоит один раз занести их в личный словарь: дальше распознавание реже путает их с похожими по звучанию русскими словами.
У маркетолога или менеджера похожая история с названиями инструментов и метриками на английском внутри русской фразы: риск ошибки невелик, если термин уже в словаре или входит в частотную лексику модели.
Сложнее, когда переключение происходит не на уровне отдельных слов, а целыми фразами или предложениями — например, диктовка выдержки из англоязычной статьи внутри русского текста или чтение цитаты на другом языке. Здесь модели, рассчитанные на один основной язык, чаще теряются. Правильнее либо напечатать вставку руками, либо, если программа это позволяет, ненадолго переключить язык распознавания целиком, а не полагаться на автоопределение внутри одной фразы.
На встречах и созвонах, где участники сами переходят с языка на язык в живом разговоре, а не читают заранее подготовленный текст, качество распознавания падает ощутимее всего: спонтанная смешанная речь — самый трудный случай для любой модели, даже многоязычной.
| 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 руками или разбить диктовку по языкам
Если текст почти целиком на одном не-русском языке — например, письмо полностью по-английски, — надёжнее напечатать его руками или взять инструмент, заточенный именно под нужный язык: голосовой ввод, ориентированный на русскую речь, лучше всего работает, когда основной язык фразы русский, а вставки на другом языке короткие. Поток — облачный сервис, распознавание идёт на серверах в России, и без интернета он не работает, поэтому в дороге без сети диктовка вообще недоступна.
Другие ограничения Потока с языком не связаны: нет приложений для Android и iPhone, нет перевода между языками и нет расшифровки уже записанных файлов — для готовых записей у «Потока» есть Telegram-бот @potok_now_bot. Вопрос поддержки конкретной версии Windows разобран отдельно в материале о голосовом вводе на русском в Windows 10. Если нужно постоянно надиктовывать длинные куски на нескольких языках подряд, разумнее держать под рукой отдельный текстовый редактор и печатать несвойственные диктовке куски руками.
Частые вопросы
Нет, для отдельных слов и терминов внутри русской фразы переключать язык вручную не нужно — модель распознаёт их по контексту и словарю. Ручное переключение языка нужно, только если весь фрагмент целиком на другом языке, а не отдельные вставки.
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.
Голосовой ввод — это преобразование речи в текст «на лету»: пользователь говорит, а программа расшифровывает звук через технологию распознавания речи (ASR) и вставляет получившийся текст в активное поле — почту, мессенджер, документ. У Потока это устроено через хоткей: зажал — говоришь — отпустил — текст вставился.
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.
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.
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»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео или RuTube — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
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