Распознавайте речь. Работайте со смыслом.

Превращайте аудио в транскрипты, итоги встреч и отчёты с источниками. Собственные речевые модели, понятные настройки и контроль обработки — в облаке или в вашем контуре.

Русский, казахский, кыргызский, узбекский, таджикский и армянский. Также английский. Проверьте качество в облачном сервисе на своих записях.

Попробовать бесплатно Обсудить внедрение Подключить API

Диктофон, пробная озвучка, анализ голоса и запись созвонов в Chrome или Яндекс Браузере — без регистрации. Без привязки карты.

Поговорить с ассистентом — без регистрации · Бесплатные инструменты

Нужно разобрать встречу или интервью? Посмотрите примеры

Свои модели. Поддержка нескольких языков.

В основе Speech Expert — собственные модели распознавания для русского и других языков. Подбираем модель под язык и тип записи; состав решения для вашего контура согласуем на пилоте.

Модели и маршрут обработки по языкам
  • Русский: собственная разработка SpeechExpert-STT-RU, GigaAM Multilingual или серверный Whisper для файлов; отдельный профиль для потока.
  • Казахский: SpeechExpert-STT-KK-Large для улучшенного распознавания файлов; GigaAM Multilingual для файлов с разделением участников и отдельный потоковый профиль в контуре Speech Expert.
  • Кыргызский: SpeechExpert-STT-KY-Large для улучшенного распознавания файлов; GigaAM Multilingual для файлов с разделением участников и отдельный потоковый профиль в контуре Speech Expert.
  • Узбекский: SpeechExpert-STT-UZ для файлов и потока; SpeechExpert-STT-UZ-Large для улучшенного распознавания файлов с пофразовыми таймкодами при доступной разметке. При распознавании узбекской Large аудио и текст не передаются внешним ASR- и LLM-провайдерам.
  • Таджикский: SpeechExpert-STT-TG-Large для улучшенного распознавания файлов; отдельный потоковый профиль в контуре Speech Expert.
  • Армянский: SpeechExpert-STT-HY-Large для улучшенного распознавания файлов; Mhery RNNT для файлов и потока с уточнением завершённых фраз в контуре Speech Expert, без точных таймкодов слов.
  • Английский: Parakeet-EN или SpeechExpert-STT-EN для файлов; отдельный профиль для потока.

SpeechExpert-STT-KK-Large, SpeechExpert-STT-KY-Large, SpeechExpert-STT-TG-Large и SpeechExpert-STT-HY-Large обрабатывают готовые файлы с привлечением внешнего сервиса: только mono, без разделения участников, точных пословных таймкодов и живого потока. SpeechExpert-STT-UZ-Large работает в контуре Speech Expert; при доступной разметке возвращает пофразовые таймкоды.

Внешние Gemini 3.5 Transcribe через Google API и ElevenLabs Scribe v2 отдельно доступны для русского, английского, казахского, кыргызского, узбекского и таджикского. ElevenLabs Scribe v3 доступна на всех семи языках, включая армянский, с таймкодами слов и разделением участников. Выбранная модель и маршрут обработки видны до запуска. При выборе модели в контуре Speech Expert аудио не передаётся внешнему STT-провайдеру.

Выберите режим под запись

Во всех трёх режимах доступны русский, английский, казахский, кыргызский, узбекский, таджикский и армянский. Язык выбирается перед запуском.

Возможности файлового и потоковых режимов
РежимРезультатУсловия
Обычный файл до 500 МБТекст, разделение участников, коррекция и отчёты по выбранным опциям.До 20 участников; у Gemini — до 8 и запись до 30 минут. Возможности зависят от модели.
Длинный аудиофайл до 10 ГБТекст и таймкоды по мере обработки, экспорт. Ручная нарезка не нужна.Без разделения участников, автоматической коррекции и отчётов во время потока. Вкладка остаётся открытой; фоновой обработки и возобновления нет. После обрыва запуск начинается заново.
Живой потокПредварительный текст и финалы фраз во время речи.Все семь языков в контуре Speech Expert. Без разделения участников, коррекции и отчётов во время потока.

В потоковых режимах для казахского, кыргызского, узбекского, таджикского и армянского таймкоды относятся к аудиофрагментам, а не к отдельным словам. Для длинного файла кредиты списываются за уже обработанную длительность.

Распознать свою запись

Речевые модели в контуре заказчика

Разместим модели Speech Expert в вашей инфраструктуре и подключим к рабочим системам. На пилоте согласуем языки, состав моделей, требования к оборудованию и критерии качества на ваших записях.

Обсудить размещение Обсудить API-интеграцию Свой speech-инженер или готовый сервис

Разметка пользовательских данных

По договорённости поможем с разметкой ваших данных на русском и языках СНГ: казахском, кыргызском, узбекском и таджикском.

Языки разметки: русский, казахский, кыргызский, узбекский и таджикский.

Состав разметки, объём, требования к результату, сроки и стоимость согласуем под вашу задачу.

Обсудить разметку

Выберите задачу

  • Расшифровка и анализ: текст с участниками, решения встречи, статья по вебинару или исследовательский отчёт по серии из 2–20 сохранённых интервью.
  • Перевод и дубляж: переведённые реплики, субтитры и готовая аудио- или видеодорожка.
  • Озвучка текста: длинный текст одним голосом или диалог по ролям.

Разработчикам: распознавание и синтез через API.

Посмотрите, что получается на выходе

Синтетический пример показывает транскрипт с участниками и таймкодами, исследовательский отчёт, итоги встречи, контент-пакет и структурированный JSON.

Ключевые выводы, решения и задачи можно проверить по подтверждающим цитатам. Когда данные доступны, источник показывает спикера и таймкод. Язык саммари можно выбрать отдельно, полный перевод сохранить рядом с исходным транскриптом.

Открыть пример отчёта без регистрации

Эмоциональная динамика русской речи

Вероятностные эмоциональные эпизоды связаны с таймкодом, репликой и, при однозначной атрибуции, спикером. Это сигнал для ручной проверки исходного аудио, а не оценка состояния или намерений человека. Его нельзя использовать как основание кадровых, медицинских, кредитных или страховых решений.

«Но ведь расшифровать можно бесплатно?»

Можно. Можно даже собрать всё из бесплатных сервисов.

Главное — не оказаться единственной платной частью этой схемы.

Если собирать всё по частям: получить текст в боте, попросить другую нейросеть сделать выводы, найти подтверждающие реплики, сопоставить интервью, собрать результат для коллег.

Speech Expert связывает эти шаги: расшифровку, итоги встречи, исследовательский отчёт и подтверждающие цитаты. Несколько интервью можно объединить в общий анализ.

«А откуда такой вывод?»

«Нейросеть так решила» — не ссылка на источник. Откройте исходную реплику и её контекст, чтобы проверить, подтверждают ли они вывод.

«А что повторяется в интервью?»

От 2 до 20 сохранённых интервью — в одном исследовательском отчёте. Сопоставляйте общие темы, барьеры и выводы с источниками.

«А что мне переслать коллегам?»

Итоги разговора: резюме, решения, задачи и подтверждающие фрагменты. Скачайте отчёт по записи в PDF или DOCX, с полной расшифровкой или без неё.

Из реплики — в поручение в работе · Условный пример · вымышленные данные

1 Исходная реплика

Анна · 18:42

«Да, расчёт я возьму на себя. В четверг пришлю».

2 Проверка черновика

Требует проверки

Отправить расчёт

Исполнитель
Анна
Срок
Четверг

Ваше действие: Проверить и подтвердить

3 Поручение в списке

После подтверждения и смены статуса

Отправить расчёт

Исполнитель
Анна
Срок
Четверг

Статус: В работе

Исходная реплика · 18:42

После подтверждения поручение остаётся в списке ваших договорённостей: с исполнителем, сроком, статусом и ссылкой на исходную реплику.

Возьмите запись, с которой вам ещё предстоит поработать. Посмотрите, сколько этой работы можно не делать вручную.

Посмотреть, что получится после расшифровки Разобрать свою запись

Спикеры и таймкоды отображаются, когда они доступны в выбранном режиме. Прослушивание фрагментов — при сохранённом аудио.

Для компаний: распознавание по API и собственные модели в вашем контуре.

Тарифы облачного сервиса

Цена каждой модели распознавания и синтеза речи — за минуту и за час.

Распознавание речи

Оплата по длительности исходной записи, без дополнительных опций.

Известные модели

Модель и языкиЗа минутуЗа часУсловия
GigaAM-v3-RNNTРусский0,35 ₽21 ₽По длительности записи.
Vosk 0.54Русский0,28 ₽16,8 ₽Без разделения участников.
Mhery RNNTАрмянский0,35 ₽21 ₽По длительности записи.
T-OneРусский0,28 ₽16,8 ₽По длительности записи.
Whisper-Large-v3-TurboРусский0,35 ₽21 ₽По длительности записи.
GigaAM UZ 0.6BУзбекский0,35 ₽21 ₽Без разделения участников.
Whisper Kotib UZУзбекский0,84 ₽50,4 ₽Без разделения участников.
Whisper Callcenter UZУзбекский0,84 ₽50,4 ₽Без разделения участников.
Uzinfocom FastConformer UZУзбекский0,35 ₽21 ₽Без разделения участников.
GigaAM-Multilingual-Large-CTCРусский, Казахский, Кыргызский, Узбекский0,35 ₽21 ₽По длительности записи.
Parakeet-ENАнглийский0,28 ₽16,8 ₽По длительности записи.

GigaAM, T-One, Whisper и другие модели в контуре Speech Expert.

Внешние модели

Модель и языкиЗа минутуЗа часУсловия
Yandex SpeechKit STTРусский0,68292 ₽40,9752 ₽Без разделения участников. Округление вверх до начатых 15 секунд.
ElevenLabs Scribe v2Русский, Английский, Казахский, Кыргызский, Узбекский, Таджикский≈ 1,16667 ₽70 ₽Разделение участников включено.
ElevenLabs Scribe v3Русский, Английский, Казахский, Кыргызский, Узбекский, Таджикский, Армянский≈ 1,16667 ₽70 ₽Разделение участников включено.
ElevenLabs Scribe v2 MedicalРусский, Английский, Казахский, Кыргызский, Узбекский, Таджикский≈ 1,16667 ₽70 ₽Разделение участников включено.
ElevenLabs Scribe v2 RealtimeРусский, Английский, Казахский, Кыргызский, Узбекский, Таджикский≈ 1,16667 ₽70 ₽Потоковое распознавание.
GPT TranscribeРусский, Английский, Казахский, Кыргызский, Узбекский, Таджикский, Армянский0,9 ₽54 ₽Без разделения участников.
Gemini 3.5 TranscribeРусский, Английский, Казахский, Кыргызский, Узбекский, Таджикский≈ 1,16667 ₽70 ₽Разделение участников включено.

Наши модели

Модель и языкиЗа минутуЗа часУсловия
SpeechExpert-STT-RUРусский0,168 ₽10,08 ₽По длительности записи.
SpeechExpert HeavyРусский3 ₽180 ₽Без разделения участников. Минимум 15 с — 0,75 ₽ за запрос.
SpeechExpert-STT-UZУзбекский0,35 ₽21 ₽По длительности записи.
SpeechExpert-STT-UZ-LargeУзбекский10 ₽600 ₽Без разделения участников. Минимум 15 с — 2,5 ₽ за запрос.
SpeechExpert-STT-HY-LargeАрмянский10 ₽600 ₽Без разделения участников. Минимум 15 с — 2,5 ₽ за запрос.
SpeechExpert-STT-KK-LargeКазахский10 ₽600 ₽Без разделения участников. Минимум 15 с — 2,5 ₽ за запрос.
SpeechExpert-STT-KY-LargeКыргызский10 ₽600 ₽Без разделения участников. Минимум 15 с — 2,5 ₽ за запрос.
SpeechExpert-STT-TG-LargeТаджикский10 ₽600 ₽Без разделения участников. Минимум 15 с — 2,5 ₽ за запрос.
SpeechExpert-STT-ENАнглийский0,28 ₽16,8 ₽Распознавание через API.
SpeechExpert-STT-KK-streamКазахский0,28 ₽16,8 ₽Потоковое распознавание через API.
SpeechExpert-STT-TG-streamТаджикский0,28 ₽16,8 ₽Потоковое распознавание через API.
SpeechExpert-STT-UZ-streamУзбекский0,35 ₽21 ₽Потоковое распознавание через API.

Собственные модели SpeechExpert-STT, Heavy и Large.

Синтез речи

Оплата по длительности готовой речи.

ПопробоватьДо 500 символов бесплатно, без регистрации.

Внешняя модель

Модель и языкиЗа минутуЗа часУсловия
ElevenLabs v4Языки и голоса — в студии синтеза0,504 ₽30,24 ₽По длительности готовой речи.

Наша модель

Модель и языкиЗа минутуЗа часУсловия
SpeechExpert-TTSЯзыки и голоса — в студии синтеза0,168 ₽10,08 ₽По длительности готовой речи.

Один кредит — 0,04 ₽. Разделение участников при доступности отдельной опции — ещё 0,15 ₽ за минуту; у Scribe v2, Scribe v3, Scribe v2 Medical и Gemini 3.5 Transcribe включено. Длительность округляется до начатой секунды, у Yandex SpeechKit — до начатых 15 секунд. Минимальная оплачиваемая длительность Heavy и Large — 15 секунд за запрос.

Примеры стоимости задач

  • Интервью на русском, 60 минут — 19,08 ₽. SpeechExpert-STT-RU с разделением участников.
  • Интервью на казахском, кыргызском или узбекском, 60 минут — 30 ₽. GigaAM для казахского и кыргызского; SpeechExpert-STT-UZ для узбекского, с разделением участников.
  • Длинная лекция на русском, 120 минут — 33,60 ₽. T-One. Текст и таймкоды без разделения участников.

Отчёты по готовой расшифровке пока не требуют отдельного списания кредитов. Перевод и дубляж в примеры не входят.

Стоимость размещения в контуре заказчика рассчитываем отдельно — по составу моделей, нагрузке и инфраструктуре.

Условия оказания услуг, оплаты и возврата приведены в публичной оферте. Ознакомьтесь с ней перед оплатой.

Перевод и дубляж аудио и видео

Загрузите аудио, видео или публичную ссылку. Speech Expert разделит речь по спикерам, переведёт реплики и озвучит их по подходящим голосовым образцам из записи с учётом исходного тайминга.

Источники: YouTube, VK Видео, VK Play, RuTube, Яндекс Видео, Дзен, Одноклассники и Vimeo; доступность зависит от площадки.

Редактируйте текст, спикера и тайминг, передублируйте изменённый фрагмент. Скачивайте WAV, переведённые SRT/VTT, двуязычный транскрипт и MP4, если у источника доступен видеоряд. Если для спикера недостаточно подходящего голосового фрагмента, его исходная реплика сохраняется без дубляжа.

Для запуска нужно подтвердить право использовать и клонировать голоса участников.

Перевести аудио или видео Как работает перевод

Озвучьте текст или диалог по ролям

Вставьте до 40 000 символов, выберите один голос или назначьте голоса ролям. Speech Expert разделит текст по фразам и соберёт единый WAV с выбранными паузами.

Порядок реплик, прогресс и частичный результат сохраняются на сервере. Используйте свой голос или голос спикера, который дал согласие.

Открыть синтез по ролям

Озвучивание текста: пример, тариф и ограничения

Вы выбираете, где обрабатывать данные

Для обработки в инфраструктуре организации доступно размещение моделей в контуре заказчика. Состав решения и внешние интеграции согласуем отдельно. В облачном сервисе вы управляете хранением и выбираете маршрут обработки.

В приватном режиме результат не добавляется в архив, а временные данные обработки удаляются после завершения. Large для казахского, кыргызского, таджикского и армянского используют внешнюю обработку аудио. Google API, ElevenLabs или Yandex получают аудио при выборе соответствующей отдельной внешней STT-модели.

Коррекция, извлечение сущностей, отчёты и перевод могут передавать текст настроенному LLM-провайдеру. В приватном режиме внешние этапы выключены до отдельного разрешения. Для обычной записи аудио можно удалить отдельно, сохранив транскрипт и готовые материалы.

Готовые автоматизации

Узел Speech Expert верифицирован командой n8n. Импортируйте сценарий, подключите API-ключ Speech Expert и запустите обработку. Результат можно передать в ваше хранилище, CRM или мессенджер через следующие узлы n8n.

Выбрать готовый шаблон Верифицированный узел n8n

Узел доступен в n8n Cloud и на собственном сервере. Получить API-ключ для узла. Проверка подключения бесплатна. Обработка оплачивается кредитами Speech Expert.

Распознавание и синтез речи через API

Начните с одного аудиофайла: создайте ключ, скопируйте запрос и получите текст. Для приложений на OpenAI SDK используйте адрес Speech Expert и нашу модель.

  1. Создайте API-ключ. Подтвердите email, войдите и откройте «Управление → API ключи».
  2. Отправьте аудиофайл. Замените <API_KEY> своим ключом, а interview.wav — путём к короткой записи на русском.
  3. Получите текст. API вернёт JSON с расшифровкой.

Получить API-ключ Быстрый старт

1 000 кредитов после подтверждения регистрации. Без привязки карты.

curl -X POST "https://speech-expert.ru/api/v1/audio/transcriptions" \
  -H "Authorization: Bearer <API_KEY>" \
  -F "model=SpeechExpert-STT-RU" \
  -F "language=ru" \
  -F "file=@interview.wav"

Пример cURL для macOS и Linux; вариант для Windows есть в быстром старте.

Ответ API · пример:

{"text": "Добрый день! Начинаем встречу."}

REST, SSE, WebSocket и gRPC; OpenAI- и SpeechKit-совместимые методы. Файловое распознавание и живой поток доступны для русского, английского, казахского, кыргызского, узбекского, таджикского и армянского.

Все методы API Обсудить API-интеграцию

Частые вопросы

Можно ли разместить модели в контуре заказчика?

Да. Локальные модели Speech Expert можно разместить в инфраструктуре заказчика. На пилоте согласуем языки, набор моделей, требования к оборудованию и интеграцию. Модели с внешней обработкой, внешние STT- и LLM-сервисы обсуждаем отдельно: размещение локальных моделей не переносит эти этапы в ваш контур.

Какие языки поддерживает распознавание?

Русский, казахский, кыргызский, узбекский, таджикский, армянский и английский — для обычных файлов, длинных записей и живого потока. Для готовых mono-файлов доступны SpeechExpert-STT-KK-Large, SpeechExpert-STT-KY-Large, SpeechExpert-STT-TG-Large, SpeechExpert-STT-HY-Large и SpeechExpert-STT-UZ-Large. Возможности участников, таймкодов и обработки зависят от выбранной модели. Подробнее о языках и моделях.

Какие форматы поддерживаются?

WAV с PCM- и IEEE Float-сэмплами, MP3, M4A, OGG, WebM, FLAC, MP4, MOV и MKV. Обычный файл — до 500 МБ; длинный аудиофайл в потоковом режиме — до 10 ГБ.

Можно ли распознать многочасовую диктофонную запись?

Да. Потоковый режим принимает один аудиофайл до 10 ГБ на любом из семи языков. Текст и таймкоды появляются по мере обработки. Участники, автоматическая коррекция и отчёты во время потока недоступны. Вкладку нужно оставить открытой; фоновой обработки и возобновления нет, после обрыва запуск начинается заново. Для казахского, кыргызского, узбекского, таджикского и армянского таймкоды относятся к аудиофрагментам.

Насколько точно разделяются участники?

В mono-моделях с поддержкой разделения можно указать до 20 участников; stereo-каналы распознаются независимо. Gemini определяет до восьми спикеров автоматически. Качество зависит от шума и одновременной речи, поэтому рекомендуем проверить несколько своих записей — единой публичной метрики для любых условий нет.

Какие данные передаются внешним провайдерам?

При локальном распознавании аудио не передаётся внешнему STT-провайдеру. SpeechExpert-STT-KK-Large, SpeechExpert-STT-KY-Large, SpeechExpert-STT-TG-Large и SpeechExpert-STT-HY-Large используют внешнюю обработку аудио. Среди отдельных внешних моделей: gemini-3.5-transcribe передаёт аудио Google API, ElevenLabs-Scribe-v2 и ElevenLabs-Scribe-v3 — ElevenLabs, Yandex-SpeechKit — Yandex. LLM-коррекция, извлечение сущностей, отчёты и перевод передают настроенному провайдеру текст. В приватном режиме внешние этапы выключены до отдельного разрешения.

Можно ли удалить исходное аудио?

Да. Можно удалить только аудио, сохранив транскрипт, источники, отчёты и готовые материалы, либо удалить запись полностью.

Есть ли API?

Да. Доступны REST, SSE, WebSocket и gRPC; поддерживаются OpenAI- и SpeechKit-совместимые методы. Файлы и живой поток — на всех семи языках.

Как рассчитываются кредиты?

Один кредит — 0,04 ₽. Примеры: 60 минут русского интервью с участниками на SpeechExpert-STT-RU — 19,08 ₽; казахского или кыргызского на GigaAM либо узбекского на SpeechExpert-STT-UZ — 30 ₽. Два часа русской лекции в потоковом режиме без участников — 33,60 ₽. Отчёты по готовой расшифровке пока без дополнительного списания. Ставка зависит от модели и опций и видна до запуска.

Сколько можно обработать бесплатно после регистрации?

После подтверждения регистрации начислим 1 000 кредитов без привязки карты. Этого хватит примерно на 238 минут SpeechExpert-STT-RU без разделения участников или до пяти интервью по 25 минут с разделением. Это альтернативные примеры расходования одного бонуса.

Можно ли обработать серию интервью?

Да. В один исследовательский отчёт можно объединить от 2 до 20 сохранённых транскриптов.

Можно ли работать от юридического лица?

Да. Условия пилота, размещения в контуре заказчика и API-интеграции можно согласовать через форму связи: напишите нам.

Проверьте наши модели на своих записях

1 000 кредитов после подтверждения регистрации. Без привязки карты.

Попробовать бесплатно Обсудить размещение Документация Бенчмарки Новости

Перед оплатой ознакомьтесь с публичной офертой: в ней описаны условия услуг, расчётов и возврата.