Знаки препинания в распознавании речи появляются двумя путями. Модели вроде Parakeet-tdt-0.6b-v3, Canary-1b-v2 и GigaAM v3_e2e дают пунктуацию и заглавные буквы сразу, а отдельная модель дорабатывает готовый текст. По F1 запятой у GigaAM E2E-CTC 83,7 против 62,2 у Whisper Punctuator. Готовая диктовка есть и в «Поток» (potok.now).
Знаки препинания и заглавные буквы в тексте распознавания возникают двумя путями: их ставит сама модель распознавания или отдельный шаг после неё.
Как работает punctuation restoration в распознавании речи
Punctuation restoration — это восстановление знаков препинания и заглавных букв в тексте, который выдало распознавание речи.
Первый путь — пунктуация прямо в выдаче модели. Для Parakeet-tdt-0.6b-v3 и Canary-1b-v2 карточки на Hugging Face называют «Automatic punctuation and capitalization». Разметка входит и в результат GigaAM v3_e2e.
Второй путь — отдельная постобработка. В файле models.yml репозитория silero-models есть раздел te_models для репунктуации, а в README стоит ссылка на статью на Хабре про репунктуацию для четырёх языков.
Качество сравнивают по F1. В таблице evaluation.md у GigaAM F1 запятой равен 83,7 у GigaAM E2E-CTC и 62,2 у Whisper Punctuator. Это сравнение самих авторов GigaAM.
Где «Поток» не нужен для этой темы
Всё выше — про выбор моделей и сборку конвейера. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Знаки препинания и заглавные буквы он расставляет сам, диктовать «запятая» и «точка» не нужно. Голосовых команд и расшифровки готовых записей в приложении нет: записи и голосовые расшифровывает Telegram-бот @potok_now_bot, а подписка одна — на приложение для диктовки и на бота.
Что стоит учесть
Раздел te_models в silero-models найден только как раздел файла: поддержка русского и качество в нём не проверены, поэтому как рекомендацию для русской речи его не берите. В примерах документации Wav2vec2 CTC и Vosk знаки препинания не показаны. Если вам важна сама оценка ошибок распознавания, посмотрите про метрику WER; общий разбор — в статье о том, как устроено распознавание речи.
Частые вопросы
В первом случае знаки и заглавные буквы приходят в самом результате распознавания, как у Parakeet-tdt-0.6b-v3, Canary-1b-v2 и GigaAM v3_e2e. Во втором текст дорабатывает отдельная модель: в репозитории silero-models для этого есть раздел te_models.
Только с официального сайта: potok.now/download. Установка бесплатна, дальше действует 14-дневный пробный период с полным доступом без привязки карты.
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.
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.
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.
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.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «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