ASR (Automatic Speech Recognition) — автоматическое распознавание речи: технология, которая переводит звучащую речь в текст. Она лежит в основе диктовки и голосовых ассистентов — везде, где произнесённое нужно перевести в текст. ASR-система переводит голосовую фразу в строку текста за доли секунды.
Каждый раз, когда голосовой помощник, диктовка или автоматические субтитры превращают сказанное в текст, за этим стоит одна и та же технология — ASR, автоматическое распознавание речи. Термин встречается в описании почти любой программы, которая работает с голосом.
| Термин | Что значит | Пример |
|---|---|---|
| ASR (Automatic Speech Recognition) | автоматическое распознавание речи — технология преобразования звучащей речи в текст | ASR-система переводит голосовую фразу в строку текста за доли секунды |
| BPE (Byte Pair Encoding) | алгоритм субтокенизации, который постепенно объединяет часто встречающиеся пары символов в токены | BPE — один из самых распространённых способов токенизации текста для моделей |
| TTS (Text-to-Speech) | технология синтеза речи из текста — обратная задача по отношению к распознаванию речи | TTS озвучивает текст, а ASR, наоборот, превращает речь в текст |
| Орфографическая нормализация | приведение распознанного текста к стандартным правилам письма конкретного языка | орфографическая нормализация выправляет написание, которое не совпадает с обычной письменной нормой |
Что такое ASR (Automatic Speech Recognition) и как читать это в описании программы
Термин ASR в описании программы редко раскрывает устройство системы изнутри, но по формулировкам вокруг него можно понять важное:
- Где происходит распознавание — на самом устройстве (офлайн) или на сервере разработчика (в облаке): от этого зависит, нужен ли для работы интернет.
- На каких языках заявлена работа ASR — качество распознавания сильно зависит от того, под какой язык и акцент обучена модель.
- Указана ли метрика точности вроде WER и на каком тестовом наборе она измерена: без этой оговорки цифра ничего не говорит о работе с другим материалом.
- Ставит ли ASR знаки препинания и цифры сама или для этого нужны отдельные голосовые команды.
- Что происходит с записанным звуком и текстом после распознавания и где они хранятся.
Смежная тема — как система решает, где поставить знак препинания; полный список связанных понятий — в словаре терминов распознавания речи.
Частые заблуждения про ASR
- «ASR узнаёт, кто говорит» — нет: ASR решает задачу перевода речи в текст, а не определяет личность диктора — это отдельная задача.
- «Раз в описании указан низкий WER, значит система не ошибается» — нет: WER считают на конкретном тестовом наборе, а на другом материале цифра будет другой.
- «ASR понимает смысл сказанного» — нет: ASR переводит звук в текст, а разбором смысла фразы занимаются уже другие технологии.
- «Все ASR-системы одинаково справляются с любым языком» — нет: качество сильно отличается от того, под какой язык и акцент обучена конкретная модель.
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Какую точность указывает «Поток»
У «Потока» распознавание облачное: собственная модель, обученная под русскую речь, включая термины и русский вперемешку с английским, работает на серверах в России; без интернета «Поток» не работает.
Частые вопросы
Не совсем: ASR — сама технология распознавания речи в текст, а диктовка — способ её использования, например голосовой ввод в текстовое поле. «Поток» — пример приложения, где диктовка построена на облачном ASR.
У «Потока» WER 2,1% на нашем бенчмарке GolosTest — это цифра для конкретного теста, а не универсальная гарантия точности в любых условиях.
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 |
Первоисточники: en.wikipedia.org · support.microsoft.com