Потоковое распознавание выбирают, когда нужны промежуточные результаты, пока человек говорит, а для готовых записей подходят синхронный и асинхронный режимы. У SpeechKit потоковая сессия идёт до 5 минут, асинхронное распознавание принимает записи до 4 часов. Для диктовки есть Поток (potok.now).
Выбор зависит от двух вещей: нужен ли текст во время речи и какой длины запись. Пределы режимов у сервисов разные, их стоит сверить заранее.
Потоковое или пакетное распознавание: что выбрать для задачи
Потоковое распознавание отдаёт промежуточные результаты, пока человек говорит: у SpeechKit это признак final со значениями False и True, у SaluteSpeech параметр enable_partial_results. Если нужна готовая запись целиком, берут синхронный или асинхронный режим.
У SpeechKit три режима. Потоковое: сессия до 5 минут, 10 МБ, один канал. Синхронное: до 30 секунд и 1 МБ. Асинхронное: до 4 часов и 1 ГБ в бакет, результат хранится 3 суток.
У SaluteSpeech синхронное HTTP-распознавание принимает до 2 Мб на один канал. Асинхронное по HTTP или gRPC принимает до 1 Гб. Потоковое идёт по gRPC v2, до 1 Гб и два канала в реальном времени; gRPC v1 помечен как больше не поддерживаемый.
Что такое пакетное распознавание, объясняет отдельная статья, а разницу для пользователя показывает материал про диктовку.
Как проверить у себя, какой режим нужен
- Оцените длину записи. До 30 секунд и 1 МБ подойдёт синхронный режим SpeechKit, до 2 Мб синхронный HTTP у SaluteSpeech.
- Если запись длиннее, смотрите асинхронный режим: до 4 часов у SpeechKit и до 1 Гб у SaluteSpeech.
- Если текст нужен, пока человек ещё говорит, выбирайте потоковый режим и включайте промежуточные результаты:
finalу SpeechKit,enable_partial_resultsу Sber. - Для SaluteSpeech берите gRPC v2: первая версия больше не поддерживается.
- Среди локальных решений у Vosk есть потоковый API с «zero-latency response». Whisper работает окнами по 30 секунд, а
transcribe()читает файл целиком; в разделе whisper.cpp «Real-time audio input example» есть только заголовок.
Где Поток не ответ на этот вопрос
Выбирать режим API нужно разработчику, а Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. К программным интерфейсам SpeechKit и SaluteSpeech это не относится. Для готовых записей у Потока есть Telegram-бот potok_now_bot: одна подписка — приложение для диктовки и бот для записей и голосовых.
Частые вопросы
У SpeechKit в ответе есть признак final со значениями False и True, у SaluteSpeech промежуточные результаты включаются параметром enable_partial_results.
У SpeechKit синхронное распознавание ограничено 30 секундами и 1 МБ. У SaluteSpeech синхронный запрос по HTTP принимает до 2 Мб. Более длинные записи отправляют в асинхронный режим.
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.
Сначала 14 дней бесплатного полного доступа без привязки карты. Дальше — бесплатный план (2500 слов в неделю, 1 устройство) или Pro за 690 ₽/мес (499 ₽/мес при оплате за год): безлимит, личный словарь, сниппеты, приоритетная поддержка. Для бизнеса — цена по запросу, с размещением on-prem или на серверах в РФ и поддержкой 152-ФЗ.
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.
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.
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 |
| 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 |
Первоисточники: support.microsoft.com · support.apple.com