Yandex SpeechKit

Yandex SpeechKit — сервис Яндекса для работы с речью внутри платформы Yandex Cloud. Он делает две вещи: распознаёт речь, превращая запись или живой разговор в текст, и синтезирует речь, озвучивая написанный текст голосом. Это те же технологии, на которых говорит и слышит Алиса.

Главное отличие от привычных нейросетей-сервисов — SpeechKit не приложение, а инструмент. Попробовать его можно в браузере, в консоли Yandex Cloud, но настоящая его работа — отвечать на запросы других программ: сайта, мобильного приложения, телефонии колл-центра. Поэтому для разовой расшифровки одной записи он избыточен, а для потока записей или своего сервиса — подходит. Второе важное отличие: сервис российский, серверы в России, оплата российскими картами, документация и поддержка по-русски.

Что умеет Yandex SpeechKit

• Распознавание речи — запись разговора, интервью, лекции или звонка превращается в текст. Русский язык поддерживается лучше всего, но есть и другие языки.
• Два режима распознавания — потоковый, когда текст появляется почти одновременно с речью (это нужно голосовым меню и живым помощникам), и режим для готовых файлов, когда вы отправляете длинную запись и забираете результат позже.
• Синтез речи — текст озвучивается голосом на выбор. Голоса различаются по полу, темпу и манере, а у некоторых можно задать настроение: нейтральное, радостное, доброжелательное.
• Управление произношением — в тексте можно расставить паузы и ударения специальной разметкой, чтобы сервис не ошибался в именах, адресах и терминах.
• Собственный голос — Яндекс предлагает отдельное решение, в котором голос создаётся по записи диктора и потом читает любой текст. Это делается по договору, а не кнопкой в интерфейсе.
• Работа на своём оборудовании — для организаций, которым нельзя отправлять записи в облако, есть вариант установки сервиса в собственном контуре.
• Подключение к программам — у сервиса есть интерфейс для разработчиков и готовые библиотеки для популярных языков программирования, так что встроить распознавание в своё приложение — обычная задача для программиста.

Отдельного приложения для компьютера или телефона у SpeechKit нет и не предполагается: это часть облачной платформы. Всё, что видит обычный пользователь, — консоль Yandex Cloud в браузере, где можно создать проект, получить ключ доступа и попробовать распознавание и озвучку на небольших примерах.

Кому подходит

• Компаниям, которым нужно расшифровывать звонки клиентов и совещания потоком, а не по одному файлу в месяц.
• Разработчикам, которые встраивают голосовой ввод, озвучку или голосовое меню в своё приложение или телефонию.
• Организациям, которым важно, чтобы записи и персональные данные оставались на серверах в России.
• Тем, кто делает озвучку для большого числа однотипных текстов: объявлений, уведомлений, аудиоверсий статей.
• Не подойдёт, если нужно разово расшифровать одну запись: проще взять программу Whisper на своём компьютере или готовый сервис расшифровки с обычным интерфейсом.

Сколько стоит

Постоянного бесплатного тарифа нет. Новым аккаунтам Yandex Cloud платформа даёт пробный период с ограниченным запасом средств — его хватает, чтобы проверить качество на своих записях. Дальше оплата идёт по факту использования: отдельно считается время распознанной речи, отдельно — объём озвученного текста.

Точные расценки Яндекс публикует на странице тарифов сервиса и меняет их, поэтому считайте бюджет по актуальному калькулятору платформы, а не по чужим цифрам. Для оценки полезно замерить расход на нескольких реальных файлах: минута телефонного разговора и минута студийной записи обходятся по-разному по объёму работы, а иногда и по выбранной модели.

Как начать пользоваться

1. Войдите в консоль Yandex Cloud под своим Яндекс ID и создайте облако и каталог для работы.
2. Оформите платёжный аккаунт — без него сервисы платформы не включаются, даже на пробном периоде.
3. Создайте сервисный аккаунт и выдайте ему права на работу с SpeechKit, затем получите ключ доступа.
4. Попробуйте распознавание и синтез на небольших примерах прямо в консоли, чтобы оценить качество на своих записях.
5. Передайте ключ и ссылку на документацию разработчику, если сервис нужно встроить в приложение или телефонию.

Частые вопросы