Увійти

Прослуховування

Що чує застосунок

Застосунок чує два канали: ваш мікрофон (вас) і звук вашого комп'ютера (інших учасників). Уже почуті слова одразу з'являються в бульбашці «говорить…», яку потім заміняє завершена фраза.

Де мовлення стає текстом

Виберіть це в розділі Налаштування, далі Додатково, далі Звук, далі Розпізнавання мовлення.

Налаштування «Звук»: розпізнавання мовлення, модель ще не завантажено
  1. Рушій: де мовлення перетворюється на текст. «Автоматично» (типово) використовує наш сервіс, поки він входить у ваш план і є кредити, а інакше — модель на цьому комп'ютері
  2. Слова для правильного написання (порожньо): імена й рідкісні слова, які наше розпізнавання має писати так, як ви, через кому; модель на цьому комп'ютері їх ігнорує
  3. Локальна модель: «Автоматично» (типово), «Швидка» або «Збалансована»
  4. Використовувати GPU (увімкнено): запускає модель на відеокарті, якщо застосунок її знаходить, а якщо вимкнути — на процесорі; назву карти показано в дужках. Змінюється лише між фразами, а не поки мовлення чути чи розпізнається
  5. (підказка «Завантажити модель «Збалансована» (574 МБ)») завантажує модель після картки, яка повідомляє її розмір і що вона надходить із huggingface.co
  6. Стан моделі: «Не завантажено», «Частково завантажено», «Завантаження» або «Модель готова» з її розміром
  • Локальне розпізнавання мовлення («На цьому комп'ютері» в полі «Рушій»): мовлення перетворюється на текст на вашому власному комп'ютері, і аудіо залишається на ньому. Модель мовлення завантажується один раз під час першого запуску («Швидка»: близько 265 МБ; «Збалансована»: близько 575 МБ); доки вона не готова, нічого не розпізнається. Поле Локальна модель вибирає її: Автоматично (типово) бере «Збалансовану» на відеокарті, що встигає за мовленням, а інакше «Швидку»; Швидка працює на будь-якому комп'ютері; Збалансована точніша й потребує відеокарти або Apple Silicon. Якщо застосунок знаходить відеокарту, під полем з'являється перемикач Використовувати GPU (типово ввімкнений), який дає змогу натомість залишити розпізнавання на процесорі.
  • Наш сервіс («Хмара (letmesoloit.com)» у застосунку; All-Inclusive або будь-який план із Credit Pack): аудіо йде через наш сервер, оплата кредитами. Його потоковий режим показує слова, поки люди говорять; як і фрази, потік оплачується за все надіслане аудіо, один кредит за 10 секунд. Щоб імена й рідкісні слова писалися правильно, застосунок надсилає разом з аудіо до 100 слів: спершу ваш власний список, потім схожі на імена слова з поля «Про мене» вашого активного профілю. Ваш список — у розділі Налаштування, далі Додатково, далі Звук, далі Розпізнавання мовлення, далі Слова для правильного написання: розділяйте слова комами (порожнє поле підказує «напр. Kubernetes, Grafana, імена ваших колег»); наше розпізнавання надає перевагу цьому написанню, коли чує щось схоже. Сервіс, налаштований із вашим власним ключем, отримує їх, якщо приймає; модель на цьому комп'ютері список ігнорує.
  • Сервіс, налаштований із вашим власним ключем.
  • Автоматично (типово) використовує наш сервіс, поки він входить у ваш план і є кредити, для кожної мови й на кожному комп'ютері, і працює в потоковому режимі там, де його підтримує сервіс. Інакше використовується локальне розпізнавання мовлення, яке також є запасним варіантом, коли наш сервіс недоступний або дає збій. Без нашого сервісу чат чекає на завантаження моделі мовлення й показує його перебіг. Режим «Автоматично» ніколи не використовує сервіс, налаштований із вашим власним ключем.

Коли локальну модель завантажено, її стан — «Модель готова», а стрілка завантаження змінюється на кошик, який знову її видаляє.

Локальна модель мовлення, завантажена
  1. (підказка «Видалити завантажену модель (574 МБ)») видаляє її після картки, яка повідомляє, скільки місця звільниться; стан над нею — «Модель готова», а модель знову завантажиться, коли буде потрібна

Що надсилає і що зберігає кожен варіант, описано в Політиці конфіденційності.

Хмарний сервіс із вашим власним ключем

У розділі Налаштування, далі Додатково, далі Звук, далі Хмарне розпізнавання мовлення з вашим ключем виберіть сервіс, уставте його API-ключ і виберіть модель; застосунок перевірить ключ і скаже, чи він працює. Потім виберіть як рушій варіант цього сервісу з власним ключем. Коли сервіс відмовляє, вікно пояснює причину; нижче … позначає назву сервісу й місце в налаштуваннях, на яке посилається повідомлення:

  • Сервіс … відхилив ключ. Перевірте його в розділі … Ключ хибний або вже недійсний.
  • Сервіс … повідомляє, що для ключа не залишилося кредитів чи квоти. Поповніть рахунок або збільште квоту у своєму обліковому записі в кабінеті самого сервісу, бо застосунок не може цього змінити, або виберіть інший рушій.
  • Сервіс … не пропонує моделі, заданої в розділі … Виберіть іншу модель там само.
  • Сервіс … обмежує запити; деякі фрази можуть бути пропущені. Вони знову проходитимуть, щойно він перестане обмежувати.

Мови

Розпізнавання мовлення й підказки працюють дванадцятьма мовами: англійською, українською, російською, німецькою, іспанською, французькою, японською, польською, шведською, китайською, корейською та португальською. Одне налаштування, Мова дзвінка в розділі Налаштування, далі Мова, визначає, як саме. Типово вибрано англійську: вибрана вами мова розпізнається саме нею, без автовизначення. Автоматично визначає мову кожної сторони дзвінка за допомогою розпізнавання мовлення на цьому комп'ютері або нашого сервісу й відповідає через нашу модель; підказки йдуть вашою мовою. Сервіс розпізнавання, налаштований із вашим власним ключем, або відповіді від вашого власного провайдера завжди використовують вибрану вами мову: там у списку немає варіанта «Автоматично», а збережене «Автоматично» працює як англійська. Це відстежує маршрут наживо: коли під час дзвінка відповіді переходять до вашого власного провайдера, визначення мови зупиняється, і рядки змінюються.

У режимі «Автоматично» мова визначається для кожної сторони дзвінка окремо. Сторона встановлюється, щойно два окремі висловлювання, кожне з 3 секундами голосу чи більше, збігаються щодо мови; якщо після 4 висловлювань або 30 секунд голосу цієї сторони збігу немає, вибирається мова, яку досі було чути найдовше (за рівності — найостанніша). Невеликий детектор мови на цьому комп'ютері також слухає кожну фразу з 3 секундами голосу чи більше: коли він упевнений, що фраза звучить іншою з дванадцяти мов, мова цієї сторони дзвінка одразу змінюється на неї, починаючи з цієї фрази, і відповіді йдуть слідом. Сторона вашого мікрофона змінюється лише тоді, коли детектор упевнений у тій самій новій мові у двох фразах поспіль, що почалися з інтервалом до 20 секунд, бо ваш мікрофон чує ще й кімнату та ваші динаміки; тоді обидві фрази показуються знову новою мовою. Коротші фрази не враховуються, тож «OK» чи ім'я ніколи не перемикають мову. Доки мову сторони не встановлено, вона бере мову іншої сторони, а інакше англійську. Розпізнавання на цьому комп'ютері визначає мову за аудіо, наш сервіс — за текстом кожної завершеної фрази. У потоковому режимі потік кожної сторони відкривається одразу з останньою мовою цієї сторони (її власною з попереднього дзвінка, збереженою на цьому комп'ютері, інакше мовою іншої сторони, інакше англійською), тож текст видно з першої секунди. Коли детектор чує іншу мову, застосунок надсилає потоку короткий сигнал із її назвою, без аудіо: наш сервіс повторно розпізнає фразу новою мовою з уже отриманого аудіо, і новий текст заміняє показаний. Нічого не надсилається й не оплачується двічі. Підказки відповідають мовою вашої сторони, а інакше мовою дзвінка.

Вибрана вами мова розпізнається саме нею: мовлення читається лише цією мовою, без визначення й автоматичного перемикання, і відповіді йдуть нею ж. Друга мова тоді — на відстані однієї комбінації клавіш; див. Підказки.

Що потрібно для локального розпізнавання мовлення

Ці дані приблизні. Що потрібно кожній системі загалом, разом із пам'яттю й диском, наведено в розділі Системні вимоги.

  • З графікою, як у таблиці системних вимог, достатньо 2 ядер (4 потоків) і 8 ГБ пам'яті. Без неї англійська, російська, німецька, іспанська, французька, японська, польська та шведська працюють лише на процесорі: 8 ядер (16 потоків) і 16 ГБ пам'яті встигають за обома сторонами дзвінка; 6 ядер (12 потоків) і 8 ГБ — приблизно мінімум для цього.
  • Українська, китайська, корейська та португальська, а також точніша модель «Збалансована» потребують відеокарти: «Збалансованій» потрібно 4 ГБ відеопам'яті чи більше, а в системних вимогах карти перелічено за виробниками. Вбудована графіка ноутбуків запускає лише модель «Швидка», ледь не наживо. У Windows і Linux карті потрібен драйвер Vulkan, який входить у сучасні драйвери NVIDIA, AMD та Intel.
  • Виміряний приклад (2026-10-14, справжній дзвінок, відтворений уголос): на бюджетному ноутбуці з 2 ядрами / 4 потоками й графікою AMD Radeon Vega 3 модель «Швидка» обробляє фразу приблизно за 3 секунди, коли мову вже визначено, тож текст з'являється приблизно через 3,5–5 секунд після кінця фрази; поки мова визначається, фраза обробляється близько 5 секунд. «Збалансована» там надто повільна, і режим «Автоматично» її не вибирає. З GeForce GTX 1650 «Збалансована» обробляє фразу приблизно за 1,3 секунди (близько 2,1 під час визначення мови) і залишається на карті. Дзвінок, де люди говорять по черзі, вона встигає обробляти; коли обидві сторони говорять без пауз — ні.
  • На плані з нашим сервісом режим «Автоматично» надсилає туди кожну мову, зокрема ці чотири, тож обладнання вашого комп'ютера значення не має. Без нього «Автоматично» обробляє їх на цьому комп'ютері найкращою моделлю, яка встигає, і без відеокарти чи Apple Silicon вона може відставати.
  • Коли модель на відеокарті надто повільна, режим «Автоматично» спершу один раз пробує її на процесорі й залишає той варіант, що працює швидше, повідомляючи «Розпізнавання переключено на …», якщо щось змінилося; у цій версії застосунку він більше не пробує. Якщо комп'ютер усе одно відстає, застосунок про це скаже й запропонує швидший варіант: на плані з нашим сервісом — «Швидку» модель або наш сервіс (лише наш сервіс, якщо «Швидка» надто повільна); без нього — «Швидку» модель або перемикач «Використовувати GPU», де він є (лише перемикач, якщо «Швидка» надто повільна). Застосунок залишається на найшвидшому локальному варіанті, тримає субтитри близько до живого мовлення й ніколи сам не передає аудіо в хмару.

Мікрофон і динамік

Налаштування, далі Додатково, далі Звук перелічує ваші мікрофони й джерела звуку динаміків і показує той, що використовується. Зміна діє одразу після збереження; якщо пристрій не відкривається, залишається попередній. Збережений пристрій, не підключений на момент початку прослуховування (вимкнені навушники), на цей сеанс заміняється системним типовим; налаштування зберігається, тож пристрій знову використовуватиметься, коли з'явиться. У macOS динамік не вибирається: застосунок сам чує звук комп'ютера завдяки дозволу «Запис екрана».

Налаштування «Звук»: пристрої
  1. Мікрофон (Системний типовий): мікрофон, який застосунок чує як вас; у полі (підказка «Оновити») знову зчитує пристрої
  2. Динамік (Системний типовий): звук, який застосунок чує як інших учасників

Виявлення голосу

Розділ «Виявлення голосу», пронумерований на зображенні нижче, визначає, що вважати мовленням. Два пороги задають рівень, вище якого звук вважається голосом: один для вашого мікрофона (типово 100) і один для інших учасників (200); кожен — від 1 до 10 000. Підказки на моє мовлення типово вимкнено: застосунок відповідає на те, що кажуть інші учасники, а з цим параметром — ще й на те, що кажете ви. Фільтрувати відлуння динаміків типово ввімкнено: відкидає фрази з мікрофона, які є лише звуком дзвінка, що повертається через ваші динаміки. Автоматично налаштовувати чутливість типово ввімкнено: поки застосунок слухає, кожен поріг підлаштовується під дзвінок у межах від половини до подвійного збереженого значення й ніколи не зберігається, тож наступний запуск знову починається з ваших значень. Пропонувати калібрування типово ввімкнено: коли одну зі сторін постійно не вдається розпізнати, сповіщення каже про це й дає посилання «Калібрувати»; якщо вимкнути цей параметр, сповіщення зникне, а «Калібрувати» в налаштуваннях працює в будь-якому разі.

Налаштування «Звук»: виявлення голосу
  1. (підказка «Калібрувати мікрофон») просить вас помовчати 3 секунди, а потім тричі прочитати вголос речення, і встановлює поріг мікрофона; працює, поки застосунок слухає
  2. (підказка «Калібрувати динамік») тричі відтворює коротку доріжку через ваш динамік, поки ви мовчите, і встановлює поріг динаміка
  3. Поріг мікрофона, від 1 до 10 000 (100): рівень, вище якого звук вважається вашим голосом. Підвищте його, якщо застосунок сприймає шум як мовлення, знизьте, якщо тихе мовлення пропадає
  4. Поріг динаміка, від 1 до 10 000 (200): те саме для інших учасників
  5. Підказки на моє мовлення (вимкнено): відповідає ще й на те, що кажете ви, а не лише інші учасники
  6. Фільтрувати відлуння динаміків (увімкнено): відкидає фрази з мікрофона, які є лише звуком дзвінка, що повертається через ваші динаміки; вимикайте, лише якщо ваші власні слова пропадають
  7. Автоматично налаштовувати чутливість (увімкнено): під час дзвінка пороги підлаштовуються під нього в межах від половини до подвійного збереженого значення й ніколи не зберігаються
  8. Пропонувати калібрування (увімкнено): повідомляє, коли одну зі сторін постійно не вдається розпізнати, і дає посилання «Калібрувати»

Калібрування

Коли одну зі сторін постійно не вдається розпізнати, вікно каже «Важко розібрати іншу сторону: перевірте гучність або відкалібруйте.» (або «ваш мікрофон»). Спершу перевірте гучність у системі й чи використовує Налаштування, далі Додатково, далі Звук правильні мікрофон і динамік.

Потім відкалібруйте, поки застосунок слухає. Посилання «Калібрувати» в сповіщенні відкриває дві кнопки калібрування, і , у заголовку «Виявлення голосу» в розділі Налаштування, далі Додатково, далі Звук. «Калібрувати мікрофон» (підказка «Калібрувати мікрофон») просить вас помовчати 3 секунди, а потім тричі прочитати вголос речення. «Калібрувати динамік» (підказка «Калібрувати динамік») тричі відтворює коротку доріжку через ваш динамік, поки ви мовчите. Застосунок встановлює рівень між фоновим шумом і голосом, а «Зберегти» його зберігає. Коли голос не чітко гучніший за шум, застосунок про це скаже й нічого не змінить.

Сповіщення, коли інших учасників постійно не вдається розпізнати
  1. Сповіщення з посиланням Калібрувати, яке відкриває кнопки калібрування

Вимкнення мікрофона

Ctrl+Alt+M або на панелі дій зупиняє прослуховування вас застосунком: нічого з вашого мікрофона не розпізнається й не надсилається. Інших учасників і далі чути, а в самому дзвінку мікрофон не вимикається. Його пара, Ctrl+Alt+O або поруч, натомість ставить на паузу інших учасників: нічого з їхніх слів не розпізнається, не надсилається й не оплачується, доки ви не натиснете ще раз. Кожен запуск починається з увімкненим мікрофоном і без паузи.