Мы публикуем измеренные показатели качества и скорости DeepScribe. Без маркетинговых «99% точности» — только WER и DER на открытых наборах записей с ручной разметкой, которые может скачать любой. Методология описана внизу страницы.
Последнее обновление: 28 сентября 2026. Реальные результаты на конкретных файлах могут отличаться в обе стороны.
WER (Word Error Rate) — ошибки на 100 слов эталона: замены, пропуски и лишние слова. Чем ниже, тем лучше. Колонка «100 − WER» — для наглядности, это не вероятность того, что конкретное слово распознано верно. 10% WER значит ~10 ошибочных слов на 100 — большинство мелкие, легко правятся в редакторе.
| Тип записи | WER | 100 − WER | Комментарий |
|---|---|---|---|
| Телефонные звонки | 19.8% | 80% | OpenSTT asr_calls_2_val, 500 фраз |
| Живая речь, бытовые микрофоны | 12.8% | 87% | SOVA RuDevices, 500 фраз |
| Короткие фразы, разные голоса | 9.6% | 90% | Golos crowd (SberDevices), 400 фраз |
| Аудиокниги | 7.0% | 93% | Russian LibriSpeech, 300 фраз |
| Дальний микрофон | 5.8% | 94% | Golos farfield (SberDevices), 400 фраз |
| Среднее по 5 наборам | 11.0% | 89% | 2100 фраз, около 132 минут |
Распознаёт GigaAM v3 (Сбер). Нормализация перед подсчётом: регистр, ё→е, числа словами, дефис → пробел. Замер 28.09.2026. Оговорка: модель, вероятно, обучалась на обучающей части Golos — у звонков, SOVA и аудиокниг такой связи нет.
DER (Diarization Error Rate) — процент времени, когда модель приписала реплику не тому спикеру. Чем ниже, тем лучше.
| Сценарий | DER | 100 − DER |
|---|---|---|
| Беседа, 9 мин | 6.2% | 94% |
| Подкаст, 95 мин | 7.8% | 92% |
| Подкаст, 97 мин | 11.9% | 88% |
| Интервью, 11 мин | 14.0% | 86% |
| Интервью, 12 мин | 18.3% | 82% |
| Все 5 записей | 10.9% | 89% |
Русские записи с YouTube, спикеры размечены людьми (открытый набор leshinsky/ru-youtube-diarization), 3.7 часа. DER по протоколу pyannote.metrics с допуском 250 мс на границах. Доля слов, приписанных не тому спикеру, — 6.9%. Замер 28.09.2026.
RTF (Real-Time Factor) — отношение времени обработки к длительности аудио. RTF = 0.03 значит, что час аудио обрабатывается меньше чем за 2 минуты.
| Запись | Длительность | Текст с разделением голосов | Вместе с саммари |
|---|---|---|---|
| Демо (первые 2 мин) | 2 мин | около 20 с | — |
| Интервью | 28 мин | 49 с | 2 мин 2 с |
| Подкаст | 60 мин | 1 мин 45 с | 3 мин 14 с |
Замер 28.09.2026 через рабочую очередь сервиса: скачивание файла, распознавание, разделение голосов, саммари и выгрузка результата — всё, кроме ожидания в очереди. RTF распознавания ≈ 0.03: час аудио до текста — меньше 2 минут. Тариф на скорость распознавания не влияет; на платных тарифах дополнительно строится саммари, у Business — приоритетная очередь. Оборудование: одна видеокарта NVIDIA RTX 5080 (16 ГБ), распознавание GigaAM v3, разделение голосов pyannote 3.1. Время скачивания файла на машину обработки зависит от сети и в часы нагрузки заметно растёт; ожидание в очереди в личном кабинете показано отдельно от обработки. Демо — замер 29.09.2026.
Прозрачно — несколько моделей, каждая для своей задачи, все работают на наших серверах:
GigaAM v3 обучена на русской речи: 11% ошибок в словах в среднем по пяти открытым наборам — в 2,3 раза меньше прежнего движка.
Если файл узкополосный (телефон) — автоматически применяется специализированный preprocess и phone-mode embedder.
Каждый шаг разделения голосов проверяем на записях, размеченных людьми, и оставляем только то, что снижает ошибку. 28.09 так убрали пять шагов и LLM-переразметку: DER 46% → 10.9%.
Короткие реакции «да», «угу», «понятно» автоматически выделяются как отдельные реплики правильного спикера.
Если один и тот же спикер был ошибочно разделён на двух — система объединяет их по лексическому отпечатку.
Все модели хостятся локально. Никаких облачных API в США/EU. ФЗ-152.
Хотите проверить на своих файлах? Бесплатное демо — первые 2 минуты любого файла.
Универсальный «бенчмарк всех сервисов» — это юридически рискованно (закон о рекламе) и методологически сложно. Поэтому мы рекомендуем сделать сравнение самостоятельно:
Это намного честнее любых маркетинговых таблиц «WER 92% vs 87%», потому что цифры на конкретно ваших данных могут отличаться в обе стороны.
Наши эталоны — открытые наборы из методологии выше: их можно скачать и прогнать через любой сервис. Если нужен список фраз и записей, на которых мы считали, и наши выходы для сравнения — напишите в @DeepScribe_bot с пометкой «бенчмарк-запрос».
Сравнение open-source моделей.
Как улучшить свои показатели.
Как работает диаризация.
База для понимания метрик.
Что портит точность.
Блог.
Первые 2 минуты любой записи — бесплатно, без регистрации.