Русский язык: распознавание прямо на телефоне

Русский – один из 99 языков, которые Kaseta переводит в текст. Важно не то, что он есть в списке, а то, где происходит работа: модели распознавания загружаются один раз и выполняются процессором самого iPhone. Аудио приложение никуда не выгружает: распознаванию просто некуда его отправлять.

Что это значит на практике

Диктофон пишет, а после нажатия «Стоп» телефон делает расшифровку. Сеть при этом может быть выключена целиком: в самолёте, в метро, в доме без покрытия. Аккаунта нет: регистрироваться негде, потому что нет сервера, который бы вас помнил. И ничего не встаёт в очередь на тихую отправку позже, когда Wi-Fi вернётся.

Это свойство стоит проверить самому за минуту: авиарежим, запись, «Стоп», текст. Гайд про офлайн-расшифровку разбирает эту проверку по шагам.

Язык распознавания и язык приложения – разные вещи

Здесь легко ввести читателя в заблуждение, поэтому скажем прямо. Движок распознаёт 99 языков. Интерфейс самого приложения (кнопки, меню, настройки) выходит в 39 локализациях App Store, а это 33 языка, если считать региональные варианты один раз, и список покороче. Одно число не равно другому. Расшифровка русской речи не зависит от того, на каком языке подписаны кнопки: язык распознавания задаётся в настройках приложения, а не языком интерфейса.

Где границы

• Точность мы не измеряли. Ни для русского, ни для остальных языков, поэтому цифры здесь не будет. Вместо процента, которого никто не считал, есть проверка: запишите минуту так, как записываете обычно, и посмотрите на результат.
• Сложное аудио остаётся сложным. Несколько голосов разом, шумная комната, телефон в кармане – это портит распознавание любой системе, облачной в том числе.
• Разделение говорящих – кнопка на готовой расшифровке, и на бесплатном тарифе оно покрывает первые 5 минут. Оно тоже считается на самом телефоне; дальше текста нет вовсе, значит, нет и разделения.
• Смешение языков внутри одного предложения распознаётся хуже, чем чистая русская речь: язык задаётся одной настройкой для всех записей, а не на каждую фразу.
• Бесплатный тариф расшифровывает первые 5 минут каждой записи. Сама запись при этом не обрывается: аудио пишется дальше и сохраняется целиком. Число записей не ограничено.
• Копирование и экспорт – Plain Text, Markdown, SRT, WebVTT, JSON – работают на любом тарифе.

Сколько это стоит

Pro стоит 19,99 $ в год или 39,99 $ один раз навсегда. Подписки за минуты нет и не будет: минуты считают там, где за них платят серверам, а здесь считать нечего.

Дальше: все языки, которые распознаёт Kaseta, или короткая версия на главной.