Шумоподавление — обработка звука, которая уменьшает посторонние шумы перед распознаванием речи, чтобы диктовка меньше ошибалась в шумном помещении. Это лишь один из факторов точности: у «Потока» (potok.now), например, нет отдельного числа для шумных условий — только общий показатель точности на все условия записи.
Шумоподавление в описании программы для диктовки обычно означает одно: обработку звука, которая уменьшает посторонние шумы перед тем, как речь попадёт в модель распознавания. Термин звучит просто, но за ним может стоять очень разная реализация.
| Термин | Что значит | Пример |
|---|---|---|
| Шумоподавление | обработка звука, уменьшающая посторонние шумы перед распознаванием речи | шумоподавление повышает точность диктовки в шумном помещении |
| Boosting пользовательских слов | повышение вероятности распознавания конкретных слов из личного словаря пользователя | boosting помогает системе чаще угадывать редкие имена и термины из словаря |
| Отношение сигнал/шум (SNR) | соотношение уровня полезного звука (голоса) к уровню фонового шума | чем выше SNR, тем легче системе точно распознать речь |
| Многоканальная запись | запись звука несколькими микрофонами одновременно, например для разделения говорящих | многоканальная запись помогает точнее разделить голоса участников встречи |
Что проверить в описании программы, если встретилось «шумоподавление»
Само слово «шумоподавление» в описании программы почти ничего не говорит о том, как это работает и насколько заметен эффект. Прежде чем делать выводы, стоит проверить несколько вещей:
- Упоминается ли шумоподавление как отдельная, конкретная функция, или это просто общее слово в списке возможностей без деталей.
- Происходит ли обработка звука до распознавания речи или это отдельный эффект — например, для звонков или записи видео: задачи разные, и одно не гарантирует другого.
- Указано ли, для какого шума заявлено улучшение — голоса рядом, бытовой гул, эхо в комнате: общая фраза «убирает шум» ничего не говорит про конкретный случай.
- Есть ли рядом цифра точности распознавания вроде WER и на каком тестовом наборе она получена — без этой оговорки цифра ничего не доказывает.
- Работает ли обработка на самом устройстве или на сервере разработчика — от этого может зависеть скорость и то, нужен ли интернет.
Рядом часто встречаются термины ASR и WER, без них разговор о точности распознавания обычно не обходится; другие понятия этой темы собраны в словаре терминов распознавания речи.
Частые заблуждения про шумоподавление
- «Шумоподавление убирает шум полностью» — нет, по определению это обработка, которая шум уменьшает, а не устраняет целиком.
- «Шумоподавление и распознавание речи — одна и та же технология» — нет, это обработка звука, которая происходит до распознавания, отдельный этап конвейера.
- «Раз в программе есть шумоподавление, диктовка будет точной в любом шуме» — нет, это лишь один из факторов точности среди прочих, а не гарантия результата.
- «Шумоподавление одинаково реализовано во всех программах» — нет данных, что это единый алгоритм: за одним и тем же словом в описании может стоять разная обработка.
- 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
Где «Поток» не даёт цифр
Как именно устроена обработка звука внутри «Потока» и настраивалась ли модель отдельно на шумные записи, отдельно не называется — своей цифры для шумных условий «Поток» не даёт. У «Потока» есть только общий показатель точности: WER 2,1% на нашем бенчмарке GolosTest, одной цифрой на все условия записи, без разбивки по уровню шума. Что именно произойдёт с конкретной шумной записью, по этой цифре предсказать нельзя. Ещё один факт: «Поток» — облачный сервис, распознавание идёт на серверах в России, и без интернета он не работает.
Частые вопросы
Нет: шумоподавление уменьшает посторонние шумы в звуке до того, как начнётся распознавание, а само распознавание превращает уже обработанный звук в текст — это следующий, отдельный этап.
Отдельной цифры для шумных условий «Поток» не называет: у него есть только общий показатель точности на все условия записи, без разбивки по уровню шума.
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»Диктуете в приложении, а записи и голосовые расшифровывает @potok_now_bot в Telegram. 60 минут в месяц — бесплатно, подписка «Потока» снимает лимит в боте и в приложении.
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