ИИ-расшифровка превращает час записи в текст примерно за 2 минуты, но сервисы сильно различаются по ошибкам в словах, разделению говорящих и тому, где хранятся ваши записи. Ниже — пять критериев с измеримыми показателями, цифры DeepScribe с датой замера (11,0% ошибок в словах, 93% слов у верного говорящего) и способ проверить любой сервис на своём файле за 2 минуты.
Нейросетевая расшифровка — это несколько моделей, которые по очереди обрабатывают запись: одна распознаёт слова и расставляет пунктуацию, другая определяет, кто и когда говорит, третья (на платных тарифах) пишет краткое содержание. Человек на этом этапе не участвует, поэтому час записи готов примерно через 2 минуты, а не через день.
Ручная расшифровка у исполнителей стоит 25–40 ₽ за минуту записи (Яндекс Услуги, Москва, проверено 29.10.2026), то есть 1 500–2 400 ₽ за час. Нейросеть — 99 ₽ за файл до часа или 21–39 ₽ за час по подписке. Обратная сторона: после нейросети редкие термины и фамилии стоит проверить самому, за исполнителем обычно проверять не нужно.
Каждый критерий можно измерить. Если сервис не публикует цифры с методикой и датой, проверьте его сами на своём файле — как это сделать, написано ниже.
Главная метрика — доля ошибок в словах (WER): сколько слов из 100 заменено, пропущено или добавлено лишних по сравнению с ручной расшифровкой. Обещания вроде «точность 99%» без набора записей и даты ничего не говорят: на чистой аудиокниге любая модель показывает хороший результат, на телефонном звонке — разница между сервисами в разы.
DeepScribe: 11,0% ошибок в словах в среднем по пяти открытым наборам с ручной расшифровкой (2 100 фраз, около 132 минут) против 25,6% у распространённого открытого решения на тех же фразах — в 2,3 раза меньше. По типам записей: аудиокниги 7,0%, живая речь на бытовых микрофонах 12,8%, телефонные звонки 19,8%. Замер 28.09.2026, наборы и методика — на странице точность и скорость.
Для встреч и интервью важно не только что сказано, но и кем. Метрика — доля времени или слов, приписанных не тому говорящему. Проверять стоит на записи с тремя и более участниками и на телефонном звуке — там ошибок больше всего.
DeepScribe: 93% слов отнесены к верному говорящему, ошибка диаризации 10,9% на пяти записях общей длиной 3,7 часа, где говорящих разметили люди. Реплики подписываются «Голос 1», «Голос 2», имена задаются в редакторе. Подробнее — разделение голосов.
Скорость измеряют отношением времени обработки к длительности записи. Важно, что входит в замер: только распознавание или вся цепочка с разделением голосов и кратким содержанием, и отдельно — очередь и загрузка файла.
DeepScribe: час записи — около 2 минут до готового текста с разделением голосов, вместе с кратким содержанием — около 3 минут; подкаст на 60 минут — 1 мин 45 с без саммари. Демо на 2 минуты — около 20 секунд. Плюс загрузка файла и очередь. Тариф на скорость распознавания не влияет; на Business очередь приоритетная.
Спросите у сервиса три вещи: где физически серверы, сколько хранится аудио и текст, используются ли записи для обучения моделей. Для рабочих записей и интервью это не менее важно, чем точность.
DeepScribe: серверы в России, обработка по 152-ФЗ. Аудио удаляется через 24 часа после обработки, текст хранится 30 дней — раньше его можно удалить самому. Записи не используются для обучения моделей. Подробнее — безопасность.
Сравнивайте цену за час записи при вашем объёме, а не «от X рублей за минуту»: у подписок цена зависит от пакета, у разовой оплаты — от длины файла. Уточните, что входит: краткое содержание, форматы DOCX и субтитров, API.
DeepScribe: 39 ₽ за час на Lite (390 ₽ за 10 часов), 26 ₽ на Pro (790 ₽ за 30 часов), 21 ₽ на Business (2490 ₽ за 120 часов). Один файл без подписки — от 49 ₽ (до 10 минут) до 349 ₽ (дольше 3 часов), файл до часа — 99 ₽. API — 0,40 ₽ за минуту. Все цены — на странице тарифы.
| Критерий | Как измеряется | DeepScribe | Дата замера |
|---|---|---|---|
| Ошибки в словах | WER на наборах с ручной расшифровкой | 11,0% против 25,6% у открытого решения | 28.09.2026 |
| Разделение говорящих | Доля слов у верного говорящего, DER | 93% слов, DER 10,9% | 28.09.2026 |
| Скорость | Время обработки на час записи | около 2 минут | 23.10.2026 |
| Хранение | Где серверы, сроки, обучение на данных | Россия, аудио 24 ч, текст 30 дней, без обучения | — |
| Цена часа | Стоимость подписки / объём пакета | 21–39 ₽ по подписке, 99 ₽ разово | 29.10.2026 |
Не самую чистую, а такую, какие вы расшифровываете обычно: созвон из Zoom или Телемоста, диктофон с лекции, интервью в кафе. Подойдут mp3, m4a, wav, ogg, opus, mp4, mov, webm до 500 МБ.
На deepscribe.ru первые 2 минуты расшифровываются без регистрации, до 4 файлов в сутки. Текст появляется в браузере примерно через 20 секунд, по говорящим и с таймкодами.
Фамилии и термины, смену говорящих и пунктуацию. Тот же фрагмент прогоните через другой сервис и сравните тексты — это честнее любой таблицы в рекламе. С телефона — отправьте файл до 20 МБ боту @DeepScribe_bot.
Все модели работают на наших серверах в России, без внешних облачных API. Цепочка такая:
Сценарии: протокол совещания, интервью, лекции, аудио в текст, видео в текст; для разработчиков — API. Что бесплатно — на отдельной странице.
Своя связка моделей для русской речи, работает на серверах DeepScribe в России: распознавание с пунктуацией и таймкодами слов, разделение голосов, на платных тарифах — языковая модель для краткого содержания. Вместо названий моделей мы публикуем измерения на открытых наборах — точность и скорость.
На пяти открытых наборах с ручной расшифровкой (2 100 фраз) DeepScribe делает 11,0% ошибок в словах против 25,6% у распространённого открытого решения; замер 28.09.2026. На чистой записи с близкого микрофона ошибок меньше, на телефонном звонке — больше.
Да. На записях, размеченных людьми, 93% слов отнесены к верному говорящему. В тексте реплики подписаны «Голос 1», «Голос 2», имена можно задать в редакторе.
Да, выборочно: редкие фамилии и термины, места с одновременной речью и тихие фрагменты. В редакторе клик по фразе проигрывает звук, текст правится там же.
Нет. Записи не используются для обучения моделей. Аудио удаляется через 24 часа после обработки, текст хранится 30 дней.
Только русская речь. Английские термины внутри русской речи распознаются, целиком англоязычные записи — нет.
Около 2 минут на час записи, включая разделение голосов; вместе с кратким содержанием — около 3 минут. Плюс время на загрузку файла и очередь. Демо на 2 минуты — около 20 секунд.
Да. Первые 2 минуты любого файла — без регистрации на главной странице. После входа — 180 минут в месяц, из каждого файла первые 10 минут. Подробнее — бесплатная расшифровка.
Первые 2 минуты любого файла — бесплатно, без регистрации, примерно за 20 секунд.