Точность голосового ввода зависит от того, обучена ли модель именно под русскую речь или использует общее многоязычное распознавание, где происходит распознавание — в облаке или на устройстве — и от качества интернета и микрофона. У Потока (potok.now) собственная модель под русскую речь с WER 2,1% на бенчмарке GolosTest.
Точность голосового ввода складывается не из одного параметра, а из нескольких независимых: какую речь понимает модель, где физически происходит распознавание и что мешает записи звука. Ниже — как каждый из них работает и на что смотреть, если распознавание регулярно ошибается.
Как устроен голосовой ввод
Первый фактор — обучена ли модель именно под русский язык или работает как общая многоязычная. «Диктуй» заявляет точность 95–98% на чистой русской речи, а GigaType построен на GigaAM — нейросети Сбера, обученной специально под русский язык: у обоих модель настроена под одну языковую среду. У Talkpad отдельной русской модели не заявлено — распознавание идёт через общее многоязычное автоопределение из 100+ языков, а такие модели по конструкции хуже держат акценты, редкие термины и особенности конкретного языка, чем узкоспециализированные. Подробнее разница между специализированной и общей моделью разобрана в сравнении с GigaType.
Второй фактор — где происходит распознавание. В облаке (SpeakFlow, Talkpad, Lispr) вычисления идут на серверах провайдера, и качество не зависит от компьютера пользователя, но зависит от связи: у Lispr распознавание в облаке выполняет американская Groq. На устройстве (WhispeRu, Voisty, GigaType, Molvi) всё решает железо: GigaType и Molvi на видеокарте NVIDIA дают лучшее качество, а без неё включается более быстрая, но менее точная модель на CPU. Voisty на устройстве использует модели вроде Whisper Large V3 Turbo или NVIDIA Parakeet — тоже с заметной разницей в зависимости от мощности компьютера.
Третий фактор — качество звука на входе: чёткость речи, посторонний шум и микрофон. Он общий для любых моделей и не зависит от того, где происходит распознавание, — плохая запись одинаково мешает и облачной, и локальной модели.
Где диктовка экономит время, а где мешает
Точность заметнее всего проседает там, где речь редкая или узкоспециализированная: профессиональные термины, имена, аббревиатуры. Модель, обученная конкретно под русский язык, справляется с этим увереннее общей многоязычной — подробнее о том, как это работает на практике, в материале про голосовой ввод под русскую речь. Личный словарь терминов и имён, если он есть у программы, снижает число таких ошибок ещё сильнее — модель перестаёт путать незнакомое слово с похожим по звучанию.
На нестабильном интернете (мобильная сеть, слабый вайфай в кафе) чаще спотыкаются облачные сервисы: соединение обрывается или прерывается запись, и текст выходит рваным. В таких условиях локальные программы работают предсказуемее, потому что не зависят от связи, — но тогда точность определяет уже мощность компьютера.
В открытом офисе, на улице или в машине посторонний шум мешает любой модели одинаково: чем чище звук на входе, тем меньше ошибок независимо от того, где происходит распознавание.
| 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 взять другой инструмент
Поток — облачный сервис, распознавание происходит на серверах в России, и без интернета не работает: там, где связи нет совсем, придётся печатать руками или взять офлайн-инструмент вроде WhispeRu, GigaType или Molvi. Если нужно расшифровать уже записанный файл, а не продиктовать текст вживую, — это отдельная задача, для неё стоит смотреть специализированные инструменты транскрибации. Когда текст короткий и его быстрее напечатать, чем произнести и проверить, голосовой ввод не даёт выигрыша по времени — в таких случаях смысла переключаться на диктовку нет.
Частые вопросы
Да — если программа умеет запоминать редкие слова, имена и профессиональные термины, она реже путает их с похожими по звучанию словами. У Потока для этого есть личный словарь терминов и имён, который подключается к распознаванию.
У части систем — да, за счёт адаптации к личному словарю и часто используемым терминам пользователя; у других система статична и не подстраивается под конкретного человека без ручной настройки словаря.
Да: модели распознавания речи обучаются на определённом корпусе голосов, и заметный региональный или иностранный акцент может снижать точность, если он плохо представлен в обучающих данных конкретной модели.
Омофоны (слова, звучащие одинаково, но пишущиеся по-разному) — известное ограничение любого ASR: модель выбирает наиболее вероятный вариант по контексту фразы, и без достаточного контекста может ошибиться; личный словарь и явное произнесение по буквам снижают частоту таких ошибок для специфичных терминов.
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.
Попробовать на своих текстах
Скачайте «Поток» для Windows, macOS или Linux: первые 14 дней — полный доступ без карты. Потом бесплатно 2500 слов в неделю или Pro за 690 ₽ в месяц. «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