Распознавание речи — процесс, который превращает звуковой сигнал голоса в текст: микрофон записывает звук, а программа переводит его в буквы и слова. На этой технологии строится любая голосовая диктовка. «Поток» (potok.now) — облачный сервис на этой технологии: на нашем бенчмарке GolosTest его WER — 2,1%, а без интернета он не работает.
Термин звучит в описании любой программы голосового ввода — от клавиатуры со значком микрофона до профессиональной диктовки. Разбираемся, что стоит за этим словосочетанием и как оно соотносится с привычными словами «голосовой ввод» и «диктовка».
Что происходит при распознавании речи
Распознавание речи — процесс, который превращает звуковой сигнал голоса в текстовое представление. Дословно: «автоматический процесс преобразования речевого сигнала в цифровую информацию, например текстовые данные». На входе — звук, который улавливает микрофон, на выходе — буквы и слова, которые можно прочитать и отредактировать.
Термин описывает саму задачу превращения голоса в текст, а не конкретный способ её решения — с ней работают разные программы, от голосового ввода текста до профессиональной диктовки на компьютере. Именно на этой технологии строится любая голосовая диктовка: сначала звук распознаётся, потом превращается в слова на экране.
| Термин | Что значит | Пример |
|---|---|---|
| Распознавание речи | процесс преобразования звукового сигнала речи в текстовое представление | распознавание речи лежит в основе любой голосовой диктовки |
| CER (Character Error Rate) | метрика точности распознавания на уровне символов, а не целых слов | CER особенно полезен для мультиязычных наборов данных и языков, где WER плохо применим из-за разнообразия способов деления текста на слова |
| Push-to-talk (зажатие хоткея) | режим записи, при котором звук пишется только пока зажата клавиша или кнопка | push-to-talk — стандартный способ управления записью у десктопных приложений диктовки |
| Квантование модели | уменьшение точности числовых вычислений модели для ускорения работы и снижения потребления ресурсов | квантование модели ускоряет её работу ценой небольшой потери точности |
Как это выглядит на примере диктовки
Пример прямо из определения термина: распознавание речи лежит в основе любой голосовой диктовки — без него звук никак не превратится в текст на экране. Человек говорит в микрофон, программа распознаёт сказанное и подставляет готовый текст туда, где стоит курсор.
«Поток» (potok.now) — один из сервисов, построенных на этой технологии. Разница между программами — не в самой задаче распознавания речи, а в том, как именно она решена: в облаке или на устройстве, с какой моделью и для каких языков. Насколько точно программа справляется с этой задачей — отдельный вопрос: для него в словаре есть термин WER.
Что из этого термина относится к «Потоку»
«Поток» (potok.now) — реализация именно этой технологии: облачный сервис, который распознаёт на серверах в России и без интернета не работает. Термин описывает саму задачу распознавания голоса, а не список функций одной конкретной программы.
Частые вопросы
Распознавание речи — сам процесс превращения звука в текст, а диктовка — способ им пользоваться: человек говорит, а программа записывает сказанное словами. Диктовка невозможна без распознавания речи — оно лежит в её основе.
«Поток» (potok.now) — сервис, построенный на технологии распознавания речи: он превращает голос в текст в облаке, на серверах в России, и сам расставляет знаки препинания и заглавные буквы. Офлайн-режима и голосовых команд у него нет.
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»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: ru.wikipedia.org · support.microsoft.com