Whisper OpenAI — нейросеть, которая переводит звук речи в текст: записывает звуковую волну, режет её на короткие отрезки, кодирует в числовые признаки и декодирует в слова через архитектуру трансформер. Так же устроены и другие движки распознавания, включая облачный сервис Поток (potok.now) с откликом около 0,4 секунды.
Голосовой ввод стал обычным делом на телефонах и компьютерах, но большинство пользователей не задумывается, что происходит между «сказал» и «увидел текст на экране». Whisper OpenAI — одна из самых известных моделей этого класса, и на её примере удобно разобрать, как устроено распознавание речи в целом: какие шаги проходит звук, чем отличаются программы для диктовки на компьютере и почему выбор конкретного инструмента влияет на скорость и точность.
Как нейросети вроде Whisper распознают речь
Распознавание речи — это процесс, в котором звуковая волна превращается в текст через несколько последовательных шагов. Сначала микрофон записывает голос и оцифровывает его в числовой сигнал. Затем программа нарезает запись на короткие отрезки и строит из них спектрограмму — картинку, где по одной оси время, а по другой частоты голоса. Именно эту картинку, а не сырой звук, «читает» нейросеть.
Whisper OpenAI и похожие модели построены как трансформер — архитектура, которая обрабатывает всю последовательность признаков сразу, а не по одному кадру, и за счёт этого лучше удерживает контекст произнесённой фразы: слово в конце предложения помогает правильно распознать слово в начале. Внутри трансформера две части: кодировщик превращает спектрограмму в набор числовых векторов, декодировщик по этим векторам генерирует текст токен за токеном, опираясь на уже написанные слова.
Дальше модели этого класса расходятся не архитектурой, а тем, где именно они считают. Одни работают прямо на устройстве: WhispeRu распознаёт офлайн, без отправки звука на сервер. Voisty тоже обрабатывает запись на устройстве, используя локальные модели вроде Whisper Large V3 Turbo или NVIDIA Parakeet. Другие отправляют звук в облако: Lispr передаёт запись на серверы Groq в США, а GigaType строит распознавание на отдельной нейросети GigaAM от Сбера, обученной под русский язык.
От выбора между офлайн-моделью и облаком зависит не только цена, но и то, нужен ли для диктовки интернет и куда физически уходит записанный голос. Разные варианты офлайн-распознавания собраны в сравнении с WhispeRu.
Где диктовка экономит время, а где мешает
Голосовой ввод выигрывает там, где текста много, а печатать неудобно или медленно. Черновик письма, длинное сообщение в мессенджер, конспект встречи, заметка на ходу — наговорить мысль обычно быстрее, чем набрать её на клавиатуре. У Поток (potok.now), например, скорость надиктовки — около 900 знаков в минуту против примерно 200 при печати, и текст вставляется в поле активного приложения сразу после того, как отпущена горячая клавиша.
Разброс среди программ большой. SpeakFlow и Диктуй дают по 30 минут диктовки в месяц бесплатно навсегда — этого хватит на разовые заметки, но не на постоянную работу. Talkpad предлагает больше: 2500 слов в неделю на десктопе бесплатно, плюс 14 дней пробного Pro. Molvi вообще бесплатен без аккаунтов и оплаты — подходит, если не нужны платные функции вроде облачной синхронизации. Полный список и разброс цен — в каталоге программ голосового ввода.
Диктовка мешает там, где формулировка требует точных правок на лету: код, таблицы с формулами, тексты с частым переключением на цифры и спецсимволы быстрее набрать руками, чем наговорить и потом переформулировать. В шумном помещении или в опенспейсе, где неудобно говорить вслух, клавиатура тоже выигрывает. А там, где обсуждаются чужие персональные данные вслух в общем пространстве, диктовку лучше не включать вовсе.
| 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: запись уходит на распознавание на серверы в России, и без интернета продиктовать текст не получится. Если работа идёт там, где сети нет или она нестабильна — в дороге, в подвальном помещении, в самолёте без Wi-Fi, — надёжнее клавиатура или офлайн-программа вроде WhispeRu или Molvi, которые распознают прямо на устройстве.
У Потока нет приложений для Android и iPhone, голосовых команд и правки текста голосом, расшифровки уже готовых аудиозаписей и перевода между языками. Вставка в защищённые поля и полноэкранные игры не поддерживается. Бесплатного лимита в 2500 слов в неделю мало тому, кто диктует весь рабочий день без перерыва — для такой нагрузки нужен платный тариф. Компаниям, которым запрещено выпускать данные в облако вообще, подойдёт только отдельный бизнес-вариант с серверами в периметре компании, а не обычная версия.
Частые вопросы
Из рассмотренных офлайн работают WhispeRu, Molvi, GigaType и Voisty — они обрабатывают запись на устройстве, без отправки в облако. GigaType построен на нейросети GigaAM от Сбера, обученной под русский язык, а Voisty использует локальные модели вроде Whisper Large V3 Turbo.
Только с официального сайта: potok.now/download. Установка бесплатна, дальше действует 14-дневный пробный период с полным доступом без привязки карты.
Да, на рынке есть похожие сервисы голосового ввода: зарубежный Wispr Flow, а также Talkpad, Voisty и другие. Поток отличается тем, что сделан для русской речи, данные обрабатываются на серверах в России (режим 152-ФЗ), а оплата принимается рублём с карты РФ.
На сайте potok.now собраны обобщённые отзывы, отражающие типичный опыт пользователей; в маркетинговых материалах они не выдаются за отзывы конкретных людей с именами.
Скачать установщик с potok.now/download → установить → зарегистрироваться по email → в любом текстовом поле зажать хоткей (по умолчанию Ctrl+Space) → говорить → отпустить хоткей — текст появится в поле.
Скачайте последнюю версию с официальной страницы potok.now/download и переустановите приложение: установщик со стороннего сайта может быть изменён. Если не помогло — напишите в поддержку: support@potok.now или в Telegram https://t.me/ai23c.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «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