Распознавание речи на компьютере: чем локальная программа отличается от облачного сервиса.

Когда говорят «распознавание речи», обычно имеют в виду облачный сервис: программа записывает звук, отправляет его на сервер, сервер возвращает текст. Так работает большинство голосовых помощников — и так работать проще всего, потому что тяжёлые вычисления происходят не у вас.

Локальная модель — это та же задача, решённая на вашем компьютере. Файл модели скачивается один раз, дальше звук никуда не уходит. Разберём, что от этого меняется на практике.

Что меняется для приватности

Самое очевидное: запись не покидает устройство. Это важно не только для секретных переговоров. Продиктованное письмо содержит имена, суммы, адреса и диагнозы; отправляя звук в облако, вы отдаёте всё это третьей стороне и принимаете её правила хранения — которые можете не прочитать и которые могут измениться.

С локальной моделью вопрос «где лежит моя запись и кто её слышал» имеет короткий ответ: нигде, кроме вашего компьютера, и никто.

Что меняется в работе

• Нет сети — распознавание всё равно работает: в самолёте, в поезде, на площадке без связи.
• Нет платы за минуты: облачные сервисы считают объём, локальная модель — нет.
• Скорость зависит от вашего компьютера, а не от канала: на слабой машине большая модель будет думать дольше.
• Модель занимает место на диске — от десятков мегабайт до полутора гигабайт, смотря какую выбрать.

Точность: маленькая модель против большой

Размер модели — это компромисс, а не шкала «хуже — лучше». Маленькая отвечает почти мгновенно и уверенно справляется с короткими простыми фразами. Большая заметно точнее на длинной речи, именах и терминах, но требует больше времени и памяти.

Практический совет: начните со средней, продиктуйте свой обычный текст — письмо, заметку, кусок документа — и посмотрите, устраивает ли результат. Если правите каждое третье слово, берите крупнее; если ждёте дольше, чем печатали бы, — мельче.

Когда облако всё-таки удобнее

Честный ответ: когда у вас очень слабый компьютер и всегда есть интернет, а содержание записей вас не беспокоит. Во всех остальных случаях локальная модель выигрывает — и по приватности, и по предсказуемости: она не зависит от чужого сервиса, который может подорожать, измениться или закрыться.

В Dictoria распознавание и перевод выполняются на устройстве. Интернет нужен трижды: скачать модель, проверить лицензию и получить обновление — и всё.

Как это работает, простыми словами

Модель распознавания — это файл, в котором записано, как звуки языка складываются в слова. Программа прогоняет через него короткие отрезки вашей записи и собирает наиболее вероятную цепочку слов. Никакого «поиска по интернету» при этом не происходит: всё, что нужно для разбора речи, уже лежит в файле модели.

Поэтому модель и занимает место на диске, и поэтому её скачивают один раз. Дальше она работает без сети — как словарь, который стоит на полке: чтобы им пользоваться, не нужно каждый раз ходить в библиотеку. Размер файла прямо связан с тем, сколько модель «помнит»: маленькая знает меньше вариантов произношения и реже угадывает редкие слова, большая знает больше, но и считает дольше.

Облачный сервис устроен так же, только файл модели лежит не у вас, а на сервере провайдера — и туда же уезжает ваша запись. Отсюда и вся разница, которую видно в таблице ниже.

Локально против облака: пять осей

Ни одна из осей не делает выбор за вас — они просто разные. Облако выигрывает на слабом железе и в разовых задачах, локальная программа — там, где записи регулярные и их содержание имеет цену.

Что стоит выяснить про облачный сервис до загрузки записи

Конкретные условия у сервисов разные и меняются, поэтому здесь не список обвинений, а список вопросов, ответы на которые есть в публичных условиях использования. Пять минут чтения перед первой загрузкой экономят потом куда больше.

• Сколько хранится загруженный файл и удаляется ли он после обработки.
• Используются ли ваши записи для обучения моделей — и можно ли это отключить.
• Кто имеет доступ к файлу внутри сервиса и ведётся ли журнал обращений.
• Где физически находятся серверы — для рабочих записей это иногда отдельный вопрос к юристу.
• Можно ли удалить свои данные по запросу и как это оформляется.

С локальной программой этот список не нужен вовсе: запись не покидает компьютер, и отвечать на вопросы о хранении просто не приходится.

Как выбрать размер модели под свою машину

Размер модели — главный рычаг, которым вы управляете скоростью и точностью. В Dictoria моделей шесть: пять семейства Whisper — от самой лёгкой на 75 МБ до крупных на 1,5 ГБ — и Parakeet V3 на 396 МБ. Правило простое: начните со средней и сдвигайтесь в ту сторону, где вам жмёт.

• Ждёте дольше, чем длится запись, — берите модель меньше: на коротких понятных фразах разница в точности почти незаметна.
• Правите каждое третье слово — берите крупнее: на длинной речи, именах и терминах большая модель заметно устойчивее.
• Мало места на диске — смотрите на размер файла: разница между лёгкой и крупной моделью двадцатикратная.
• Работаете на ноутбуке от батареи — крупная модель греет процессор и сажает заряд быстрее.

Лестница размеров в Dictoria такая: 75 МБ, 142 МБ, 466 МБ, две по 1,5 ГБ у семейства Whisper и 396 МБ у Parakeet V3, который стоит рекомендуемым. «Средняя» в этом ряду — 396 или 466 МБ: с них и стоит начинать.

Проверять это лучше на своей типичной записи, а не на чужих сравнениях: чистая речь одного человека и шумное совещание ведут себя по-разному на одной и той же модели.

Лицензия разовая, 2990 ₽, без подписки; скачать и купить — страница покупки и скачивания.

Коротко

• Распознавание речи на компьютере и в облаке устроено одинаково — разница в том, где лежит модель и куда уезжает ваша запись.
• Локально: запись не покидает диск, работает без сети, скорость упирается в ваше железо.
• В облаке: быстрее на слабой машине, но файл уходит к провайдеру и тариф зависит от него.
• Перед первой загрузкой в облако прочитайте условия: срок хранения, обучение на ваших данных, доступ, удаление по запросу.
• Размер модели — ваш рычаг: медленно — берите легче, много правок — берите крупнее, проверяйте на своей записи.