Войти

Прослушивание

Что слышит приложение

Приложение слышит два канала: ваш микрофон (вас) и звук компьютера (других участников). Уже услышанные слова сразу появляются в пузыре «говорит…», который затем заменяется готовой фразой.

Где речь превращается в текст

Выберите это в Настройки, затем Дополнительно, затем Звук, затем Распознавание речи.

Настройки «Звук»: распознавание речи, модель ещё не скачана
  1. Движок: где речь превращается в текст. «Автоматически» (по умолчанию) использует наш сервис распознавания, пока он входит в ваш план и есть кредиты, а иначе — модель на этом компьютере
  2. Слова для верного написания (пусто): имена и редкие слова, которые распознавание на наших серверах должно писать так же, как вы, через запятую; модель на этом компьютере их игнорирует
  3. Локальная модель: «Автоматически» (по умолчанию), «Быстрая» или «Сбалансированная»
  4. Использовать GPU (вкл.): запускает модель на видеокарте, если приложение её находит, и на процессоре, если выключить; название видеокарты указано в скобках. Меняется только между фразами, а не пока речь слышна или распознаётся
  5. (всплывающая подсказка «Скачать модель „Сбалансированная“ (574 МБ)») скачивает модель после карточки, которая сообщает её размер и то, что она скачивается с huggingface.co
  6. Состояние модели: «Не скачана», «Скачана частично», «Скачивается» или «Модель готова», с её размером
  • Локальное распознавание речи («На этом компьютере» в поле «Движок»): речь превращается в текст на вашем собственном компьютере, и аудио остаётся на нём. Модель распознавания скачивается один раз при первом запуске («Быстрая»: около 265 МБ; «Сбалансированная»: около 575 МБ); пока она не готова, ничего не распознаётся. Модель выбирается в поле Локальная модель: Автоматически (по умолчанию) берёт «Сбалансированную» на видеокарте, которая успевает за речью, и «Быструю» в остальных случаях; Быстрая работает на любом компьютере; Сбалансированная точнее, и ей нужна видеокарта или Apple Silicon. Если приложение находит видеокарту, переключатель Использовать GPU под полем (по умолчанию включён) позволяет оставить распознавание на процессоре.
  • Наш сервис распознавания речи («Облако (letmesoloit.com)» в приложении; All-Inclusive или любой план с Credit Pack): аудио проходит через наш сервер и оплачивается кредитами. Его потоковый режим показывает слова, пока люди говорят; как и за фразы, за поток списывается всё отправленное аудио, один кредит за 10 секунд. Чтобы имена и редкие слова писались правильно, приложение отправляет вместе с аудио до 100 слов: сначала ваш собственный список, затем похожие на имена слова из поля «Обо мне» активного профиля. Ваш список находится в Настройки, затем Дополнительно, затем Звук, затем Распознавание речи, затем Слова для верного написания: разделяйте слова запятыми (пустое поле подсказывает «например, Kubernetes, Grafana, имена ваших коллег»); распознавание на наших серверах выбирает это написание, когда слышит что-то похожее. Сервис, настроенный с вашим собственным ключом, получает список, если умеет его принимать; модель на этом компьютере список игнорирует.
  • Сервис, настроенный с вашим собственным ключом.
  • Автоматически (по умолчанию) использует наш сервис распознавания, пока он входит в ваш план и есть кредиты, для любого языка и на любом компьютере, и работает в потоковом режиме там, где его поддерживает сервис. Иначе используется локальное распознавание речи, которое также служит запасным вариантом, когда наш сервис недоступен или даёт сбой. Без нашего сервиса чат ждёт, пока скачается модель распознавания, и показывает ход скачивания. Режим «Автоматически» никогда не использует сервис, настроенный с вашим собственным ключом.

Когда локальная модель скачана, её состояние — «Модель готова», а стрелка скачивания сменяется корзиной, которая снова её удаляет.

Локальная модель распознавания скачана
  1. (всплывающая подсказка «Удалить скачанную модель (574 МБ)») удаляет её после карточки, которая сообщает, сколько места освободится; состояние над ней — «Модель готова», а модель скачается снова, когда понадобится

Что отправляет и хранит каждый вариант, описано в Политике конфиденциальности.

Облачный сервис с вашим собственным ключом

В Настройки, затем Дополнительно, затем Звук, затем Облачное распознавание с вашим ключом выберите сервис, вставьте его API-ключ и выберите модель; приложение проверит ключ и сообщит, работает ли он. Затем выберите вариант этого сервиса с собственным ключом в качестве движка. Когда сервис отказывает, окно сообщает причину; ниже … обозначает название сервиса и место в настройках, на которое ведёт ссылка в сообщении:

  • Сервис … отклонил ключ. Проверьте его в … Ключ неверный или больше не действует.
  • Сервис … сообщает, что у ключа не осталось средств или квоты. Пополните баланс или увеличьте квоту в своей учётной записи в панели самого сервиса — приложение не может это изменить — или выберите другой движок.
  • Сервис … не предлагает модель, заданную в … Выберите другую модель там же.
  • Сервис … ограничивает запросы; некоторые фразы могут быть пропущены. Они снова будут проходить, когда он перестанет ограничивать.

Языки

Распознавание речи и подсказки работают на двенадцати языках: английском, украинском, русском, немецком, испанском, французском, японском, польском, шведском, китайском, корейском и португальском. Как именно — задаёт одна настройка, Язык звонка в Настройки, затем Язык. По умолчанию выбран английский: выбранный вручную язык распознаётся именно на нём, без автоопределения. Автоматически определяет язык, на котором говорит каждая сторона звонка, с распознаванием речи на этом компьютере или на наших серверах и ответами с наших серверов; подсказки отвечают на вашем языке. Сервис распознавания, настроенный с вашим собственным ключом, или ответы от вашего собственного провайдера всегда используют выбранный вручную язык: там в списке нет варианта «Автоматически», а сохранённое «Автоматически» работает как английский. Это следует за текущим путём: если во время звонка ответы переходят к вашему собственному провайдеру, определение языка останавливается, а строки меняются.

В режиме «Автоматически» язык определяется для каждой стороны звонка отдельно. Сторона определяется, когда два отдельных высказывания, в каждом из которых 3 секунды голоса или больше, совпадают по языку; если после 4 высказываний или 30 секунд голоса этой стороны совпадения нет, выбирается язык, который пока звучал дольше всего (при равенстве — последний). Небольшой детектор языка на этом компьютере тоже слушает каждую фразу, в которой 3 секунды голоса или больше: когда он уверен, что фраза на другом из двенадцати языков, сторона звонка сразу переходит на него, начиная с этой фразы, и ответы следуют за ней. Сторона вашего микрофона меняется, только когда детектор уверен в одном и том же новом языке в двух фразах подряд, начавшихся в пределах 20 секунд друг от друга, ведь ваш микрофон слышит ещё и комнату, и ваши собственные динамики; тогда обе фразы показываются заново на новом языке. Более короткие фразы не учитываются, поэтому «OK» или имя никогда не меняют язык. Пока язык стороны не определён, она берёт язык другой стороны, а если его нет — английский. Распознавание на этом компьютере определяет язык по аудио, наш сервис — по тексту каждой законченной фразы. В потоковом режиме поток каждой стороны сразу открывается на последнем языке этой стороны (её собственном из прошлого звонка, сохранённом на этом компьютере, иначе — на языке другой стороны, иначе — на английском), поэтому текст виден с первой секунды. Когда детектор слышит другой язык, приложение отправляет в поток короткий сигнал с его названием, без аудио: наш сервис повторно распознаёт фразу на новом языке из уже полученного аудио, и новый текст заменяет показанный. Ничего не отправляется и не оплачивается дважды. Подсказки отвечают на языке вашей стороны, а если он не определён — на языке звонка.

Выбранный вручную язык распознаётся именно на нём: речь читается только на этом языке, без автоопределения и автоматического переключения, и ответы следуют за ним. Второй язык тогда переключается одним сочетанием клавиш; см. Подсказки.

Что нужно для локального распознавания речи

Эти данные приблизительны. Что нужно каждой системе в целом, включая память и место на диске, — в разделе Системные требования.

  • С графикой, указанной в таблице «Системные требования», достаточно 2 ядер (4 потоков) и 8 ГБ памяти. Без неё английский, русский, немецкий, испанский, французский, японский, польский и шведский работают только на процессоре: 8 ядер (16 потоков) и 16 ГБ памяти успевают за обеими сторонами звонка; 6 ядер (12 потоков) и 8 ГБ — примерно минимум для этого.
  • Украинскому, китайскому, корейскому и португальскому, а также более точной модели «Сбалансированная» нужна видеокарта: «Сбалансированной» нужно 4 ГБ видеопамяти или больше, а в «Системных требованиях» видеокарты перечислены по производителям. Встроенная графика ноутбуков тянет только модель «Быстрая», едва успевая в реальном времени. В Windows и Linux видеокарте нужен драйвер Vulkan, который входит в актуальные драйверы NVIDIA, AMD и Intel.
  • Пример измерений (14 октября 2026 г., настоящий звонок воспроизводился вслух): бюджетный ноутбук, 2 ядра / 4 потока с графикой AMD Radeon Vega 3, обрабатывает модель «Быстрая» примерно за 3 секунды на фразу, когда язык уже известен, поэтому текст появляется примерно через 3,5–5 секунд после конца фразы; пока определяется язык, фраза обрабатывается около 5 секунд. «Сбалансированная» там слишком медленная, и режим «Автоматически» её не выбирает. С GeForce GTX 1650 «Сбалансированная» тратит около 1,3 секунды на фразу (около 2,1 при определении языка) и остаётся на видеокарте. Звонок, где говорят по очереди, обрабатывается вовремя; если обе стороны говорят без пауз — нет.
  • На плане с нашим сервисом распознавания режим «Автоматически» отправляет туда все языки, включая эти четыре, поэтому оборудование вашего компьютера не важно. Без него режим «Автоматически» распознаёт их на этом компьютере лучшей моделью, которая успевает, и без видеокарты или Apple Silicon она может отставать.
  • Когда модель на видеокарте слишком медленная, режим «Автоматически» сначала один раз пробует её на процессоре и оставляет тот вариант, который распознаёт быстрее, сообщая «Распознавание переключено на …», если вариант сменился; в этой версии приложения повторной попытки не будет. Если компьютер всё равно не успевает, приложение сообщит об этом и назовёт более быстрый вариант: на плане с нашим сервисом распознавания — модель «Быстрая» или наш сервис (только наш сервис, если «Быстрая» слишком медленная); без него — модель «Быстрая» или переключатель «Использовать GPU», где он есть (только переключатель, если «Быстрая» слишком медленная). Приложение остаётся на самом быстром локальном варианте, держит субтитры близко к реальному времени и никогда само не передаёт аудио в облако.

Микрофон и динамик

Настройки, затем Дополнительно, затем Звук перечисляет ваши микрофоны и источники звука динамиков и показывает используемые. Изменение применяется сразу после сохранения; если устройство не открывается, остаётся предыдущее. Если сохранённое устройство не подключено в момент начала прослушивания (наушники выключены), на этот сеанс его заменяет устройство по умолчанию в системе; настройка сохраняется, и устройство снова будет использоваться, когда оно появится. В macOS динамик выбирать не нужно: приложение само слышит звук компьютера благодаря разрешению «Запись экрана».

Настройки «Звук»: устройства
  1. Устройство микрофона (по умолчанию в системе): микрофон, который приложение слышит как вас; в поле (всплывающая подсказка «Обновить») заново считывает устройства
  2. Устройство динамика (по умолчанию в системе): звук, который приложение слышит как других участников

Обнаружение голоса

Раздел «Обнаружение голоса», пронумерованный на картинке ниже, решает, что считать речью. Два порога задают уровень, выше которого звук считается голосом: один для вашего микрофона (по умолчанию 100), другой для других участников (200); каждый — от 1 до 10 000. Подсказки на мою речь по умолчанию выключено: приложение отвечает на то, что говорят другие участники, а с этой настройкой — ещё и на то, что говорите вы. Фильтровать эхо динамика по умолчанию включено и отбрасывает фразы микрофона, которые являются лишь звуком звонка, вернувшимся через ваши динамики. Автонастройка чувствительности по умолчанию включена: пока приложение слушает, каждый порог подстраивается под звонок в пределах от половины до двойного сохранённого значения и никогда не сохраняется, так что следующий запуск снова начинается с ваших значений. Предлагать калибровку по умолчанию включено: когда речь одной из сторон раз за разом не распознаётся, уведомление сообщает об этом со ссылкой «Откалибровать»; если выключить настройку, уведомление пропадёт, а калибровка в настройках работает в любом случае.

Настройки «Звук»: обнаружение голоса
  1. (всплывающая подсказка «Откалибровать микрофон») просит вас помолчать 3 секунды, а затем трижды прочитать вслух предложение, и задаёт порог микрофона; работает, пока приложение слушает
  2. (всплывающая подсказка «Откалибровать динамик») трижды воспроизводит короткий фрагмент через ваш динамик, пока вы молчите, и задаёт порог динамика
  3. Порог микрофона, от 1 до 10 000 (100): уровень, выше которого звук считается вашим голосом. Повысьте его, если приложение принимает шум за речь, понизьте, если тихая речь пропадает
  4. Порог динамика, от 1 до 10 000 (200): то же самое для других участников
  5. Подсказки на мою речь (выкл.): приложение отвечает и на то, что говорите вы, а не только другие участники
  6. Фильтровать эхо динамика (вкл.): отбрасывает фразы микрофона, которые являются лишь звуком звонка, вернувшимся через ваши динамики; выключайте, только если пропадают ваши собственные слова
  7. Автонастройка чувствительности (вкл.): пороги подстраиваются под звонок, пока он идёт, в пределах от половины до двойного сохранённого значения, и никогда не сохраняются
  8. Предлагать калибровку (вкл.): сообщает, когда речь одной из сторон раз за разом не распознаётся, со ссылкой «Откалибровать»

Калибровка

Когда речь одной из сторон раз за разом не распознаётся, в окне появляется «Плохо слышно собеседника: проверьте громкость или выполните калибровку.» (или «ваш микрофон»). Сначала проверьте громкость в системе и то, что в Настройки, затем Дополнительно, затем Звук выбраны нужные микрофон и динамик.

Затем выполните калибровку, пока приложение слушает. Ссылка «Откалибровать» в уведомлении открывает две кнопки калибровки, и , в заголовке раздела «Обнаружение голоса» в Настройки, затем Дополнительно, затем Звук. «Откалибровать микрофон» (всплывающая подсказка «Откалибровать микрофон») просит вас помолчать 3 секунды, а затем трижды прочитать вслух предложение. «Откалибровать динамик» (всплывающая подсказка «Откалибровать динамик») трижды воспроизводит короткий фрагмент через ваш динамик, пока вы молчите. Приложение задаёт уровень между фоновым шумом и голосом, а «Сохранить» его сохраняет. Когда голос не превышает шум явно, приложение сообщает об этом и ничего не меняет.

Уведомление, когда речь других участников раз за разом не распознаётся
  1. Уведомление со ссылкой Откалибровать, которая открывает кнопки калибровки

Выключение микрофона

Ctrl+Alt+M или на панели действий — и приложение перестаёт вас слышать: ничего с вашего микрофона не распознаётся и не отправляется. Других участников по-прежнему слышно, и в самом звонке ваш микрофон не выключается. Парная кнопка, Ctrl+Alt+O или рядом, наоборот, приостанавливает других участников: ничего из их слов не распознаётся, не отправляется и не оплачивается, пока вы не нажмёте её снова. При каждом запуске микрофон включён и пауза снята.