Перевод речи в текст в профессиональной терминологии называется распознаванием речи, или ASR (Automatic Speech Recognition); менее распространённое название того же самого — STT (Speech-to-Text). Это не два разных процесса, а два имени одного и того же: преобразование звучащей речи в текст. Поток (potok.now) — один из сервисов, который выполняет эту задачу для голосового ввода.
Кто-то ищет «как правильно называется перевод речи в текст» и находит сразу несколько терминов — распознавание речи, ASR, STT — и не может понять, чем они отличаются друг от друга. Разница не в сути процесса, а в том, кто и где этот термин использует; разобраться в этом помогает список терминов распознавания речи.
Где эти названия используются на практике
STT и ASR обозначают один и тот же процесс — распознавание речи, то есть преобразование звучащей речи в текст. В быту эти два сокращения часто используют как синонимы, без разделения на подтипы или отдельные технологии.
У того же явления есть и бытовые имена. Когда человек говорит, а текст сам появляется в поле ввода, это называют диктовкой или голосовым вводом. Это не отдельная технология, а способ пользоваться распознаванием речи: в основе диктовки та же задача — перевести звук в буквы. Поэтому «голосовой ввод», «диктовка текста», «перевод речи в текст» и «распознавание речи» описывают одну и ту же задачу с разных сторон.
Подробнее о самой технологии — на странице про ASR (автоматическое распознавание речи), а о том, как это устроено при наборе текста, — в материале про устройство голосового ввода текста.
Так как же называется перевод речи в текст
Если коротко: перевод речи в текст называется распознаванием речи, а по-английски — ASR (Automatic Speech Recognition) или, реже, STT (Speech-to-Text). Оба термина описывают один и тот же процесс без каких-либо смысловых различий между собой — это не два конкурирующих подхода, а два имени одного явления.
Английское определение описывает эту область как раздел, где методы и технологии переводят звучащую речь в текст, и прямо перечисляет ASR, «компьютерное распознавание речи» и STT как равнозначные обозначения одного и того же. Иначе говоря, выбор между ASR и STT — вопрос привычки или контекста, а не разных технологий за этими буквами.
| Термин | Что значит | Пример |
|---|---|---|
| STT (Speech-to-Text) | другое название для распознавания речи — преобразование звучащей речи в текст | STT и ASR в быту часто используют как синонимы |
| Частота дискретизации | количество измерений звукового сигнала в секунду, определяющее качество записи | телефонная связь использует 8000 Гц, что источник называет достаточным для передачи речи, а музыка на Audio CD записывается на 44 100 Гц |
| Акустика помещения и эхо | влияние формы и материалов помещения на то, как звук отражается и накладывается сам на себя | в пустой комнате с твёрдыми стенами эхо может ухудшать распознавание |
| ONNX | открытый формат представления обученных моделей, позволяющий запускать их в разных средах и на разном оборудовании | модель в формате ONNX можно запустить не только там, где она была обучена |
Где тут Поток
Поток — облачный сервис: распознавание речи идёт на серверах в России, без подключения к интернету оно не работает.
Частые вопросы
Это разные названия одного и того же процесса: преобразования звучащей речи в текст. ASR (Automatic Speech Recognition) — более распространённый термин, STT (Speech-to-Text) — его синоним, который встречается реже.
Голосовых команд у «Потока» нет: он распознаёт речь и сам расставляет знаки препинания и заглавные буквы, без произнесения дополнительных фраз.
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 |
Первоисточники: en.wikipedia.org · support.microsoft.com