В GigaAM v3 четыре варианта, и только два из них, v3_e2e_ctc и v3_e2e_rnnt, поддерживают пунктуацию и нормализацию текста. Цена за это — более высокий средний WER: 12.0 и 11.2 против 9.1 и 8.3 у v3_ctc и v3_rnnt. Для диктовки есть Поток (potok.now).
Разница между e2e и обычными вариантами GigaAM в том, что e2e сам расставляет знаки препинания и приводит текст к нормальному виду.
| 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 |
Чем GigaAM e2e с пунктуацией отличается от CTC
В третьей версии GigaAM четыре варианта: v3_ctc, v3_rnnt, v3_e2e_ctc и v3_e2e_rnnt. Пунктуацию и нормализацию текста поддерживают e2e-варианты. Разметку для обучения делали через GigaChat Max Audio, передавая ему аудио, транскрипт и примеры.
Качество пунктуации в evaluation.md измерено F1 по трём знакам: запятая, точка, вопрос. У E2E-CTC это 83.7, 86.7 и 78.6, у E2E-RNNT 84.5, 86.7 и 79.8. У Whisper Punctuator, с которым сравнивают, 62.2, 85.0 и 77.7.
Что влияет на выбор между e2e и CTC
- От метрики. В evaluation.md F1 пунктуации у e2e-вариантов выше, чем у Whisper Punctuator, по всем трём знакам, а WER у E2E выше: средний 12.0 и 11.2 против 9.1 и 8.3 у v3 CTC и RNNT.
- От набора данных. На Golos Crowd указано 9.7 против 2.8, где первое число относится к E2E.
- От архитектуры. Внутри e2e есть CTC и RNNT: у RNNT F1 по запятой и вопросу чуть выше, а по точке оба варианта дают 86.7.
- От того, как сравнивать. В side-by-side сравнении с Whisper-large-v3 в README указано 70:30 в пользу GigaAM-v3-e2e.
Если вас интересует, как работает расстановка знаков в целом, читайте про восстановление пунктуации и про автоматическую пунктуацию при диктовке.
Когда этот расчёт вас не касается
Если вы выбираете не модель, а программу для диктовки, цифры F1 и WER GigaAM к ней не относятся: Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Для готовых записей у Потока есть Telegram-бот potok_now_bot: одна подписка — приложение для диктовки и бот для записей и голосовых.
Частые вопросы
В GigaAM v3 четыре варианта: v3_ctc, v3_rnnt, v3_e2e_ctc и v3_e2e_rnnt. Пунктуацию и нормализацию текста поддерживают два e2e-варианта, на это указывает README проекта.
Разметку пунктуации и нормализации для обучения делали через GigaChat Max Audio: модели давали аудио, транскрипт и примеры. Это описано в файле evaluation.md репозитория GigaAM.
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.
Нет. «Поток» (potok.now) — это десктопное приложение для голосового ввода текста на Windows, macOS и Linux: зажал хоткей, продиктовал, текст вставился в активное поле. К инвестиционным сервисам или финансовым платформам с похожим названием отношения не имеет.
Нет, версии Потока для Android нет — продукт работает только на компьютере: Windows, macOS и Linux. Для Android есть встроенный голосовой ввод Google (Gboard) или клавиатура Samsung.
Зарегистрироваться можно по e-mail с паролем или через Google. При регистрации по e-mail на почту приходит письмо со ссылкой подтверждения; после перехода по ней можно войти. Подписку и оплату видно в личном кабинете potok.now/account.
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»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.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: support.microsoft.com · support.apple.com