Промежуточные результаты (partial results) — черновой, ещё не окончательный текст, который стриминговая система распознавания показывает по ходу диктовки; после уточнения он может отличаться от финального текста. У «Потока» (potok.now) текст появляется целиком после того, как клавишу записи отпустили или диктовку остановили.
Partial results — служебное понятие потоковых систем распознавания речи: система присылает не только готовый текст, но и промежуточные версии по ходу того, как человек говорит. Термин встречается в документации разработчиков API распознавания речи.
Что такое промежуточные результаты (partial results) и где они встречаются
Термин относится к устройству стриминговых систем распознавания речи:
- в API распознавания речи для разработчиков есть отдельные события для промежуточного и финального результата — например, у Microsoft Azure Speech это события recognizing (промежуточный результат) и recognized (финальный, успешный результат);
- в интерфейсах голосового ввода, которые показывают текст прямо во время речи, — на экране сначала появляется черновой вариант, а затем он уточняется или заменяется;
- в документации для разработчиков голосовых ассистентов и стриминговых сервисов — там промежуточные результаты нужны, чтобы приложение могло реагировать на речь ещё до её завершения;
- в сравнении систем распознавания речи по скорости отклика — то, как быстро появляется первый промежуточный результат, часто становится отдельной характеристикой, наравне с WER для оценки итоговой точности.
| Термин | Что значит | Пример |
|---|---|---|
| Промежуточные результаты (partial results) | черновой, ещё не окончательный текст, который стриминговая система показывает по ходу распознавания | промежуточные результаты могут отличаться от финального текста после уточнения |
| Нормализация чисел | преобразование произнесённых числительных в цифровую запись при распознавании речи; в отрасли этот шаг постобработки называют обратной текстовой нормализацией (ITN), а «нормализацией текста» (TN) — обратное направление, перевод цифр в слова для синтеза речи | «двадцать пятое сентября» становится «25 сентября» |
| STT (Speech-to-Text) | другое название для распознавания речи — преобразование звучащей речи в текст | STT и ASR в быту часто используют как синонимы |
| VAD (Voice Activity Detection) | определение участков записи, где действительно звучит речь, в отличие от тишины и шума | VAD отсекает паузы перед отправкой звука на распознавание |
Почему это важно при выборе программы для диктовки
Если программа для диктовки показывает текст прямо во время речи, то, что видно на экране в моменте, — это обычно и есть промежуточный результат: черновой вариант, который ещё может измениться. Ориентироваться на него как на окончательный текст не стоит — уточнение происходит уже после того, как система набрала достаточно контекста или речь остановилась.
Это важно для двух вещей: насколько быстро программа показывает первую реакцию на голос и насколько сильно финальный текст может отличаться от того, что было видно в процессе. Программы, которые вставляют текст только один раз — уже готовым, после завершения записи, — вообще не имеют дела с промежуточными результатами в том смысле, в каком их описывает термин: пользователь просто не видит черновой этап.
Где Поток тут ни при чём
У «Потока» (potok.now) текст появляется в поле ввода целиком после того, как клавишу записи отпустили («Зажать и говорить») или остановили повторным нажатием либо Esc («Свободные руки») — отдельный черновой этап в интерфейсе не описан; «Поток» — облачный сервис, распознавание идёт на серверах в России, без интернета он не работает. Одна подписка открывает и приложение для диктовки, и Telegram-бота @potok_now_bot — для расшифровки уже готовых записей и голосовых сообщений.
Частые вопросы
Нет: это черновой, ещё не окончательный текст, который стриминговая система показывает по ходу распознавания речи. Он может отличаться от финального текста после уточнения — это нормальная часть работы системы, а не сбой или ошибка.
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
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: learn.microsoft.com · support.microsoft.com