Распознавание речи — ворота всей голосовой аналитики: от качества расшифровки зависит и поиск по записям, и суммаризация звонков, и контроль качества операторов. На рынке два полюса: open-source модели вроде Whisper, которые бесплатны и разворачиваются на своём железе, и отечественные STT-платформы с специализацией на русской речи, словарями отраслей и поддержкой по договору. Выбор — это не «что точнее вообще», а что точнее на ваших записях и что происходит, когда что-то ломается.
Ниже — сравнение по бизнес-критериям: стоимость, сроки, риски, поддержка, комплаенс и режим аудиоданных. Смежную развилку «где обрабатывать» разбирает сравнение «локальный STT или облачный»; здесь — выбор технологии и провайдера.
Кратко: когда что выбирать
Прямой ответ — в таблице: слева ситуация, справа разумное решение по состоянию на сентябрь 2026 года. Если узнали свою компанию в одной из строк — дальше достаточно проверить решение по чек-листу в конце страницы, а не перечитывать весь интернет.
| Ситуация | Что выбрать | Почему |
|---|---|---|
| Разовый прогон архивов записей без спешки | Whisper локально | бесплатно, данные не покидают контур, дедлайнов нет |
| Контакт-центр, потоковое распознавание в реальном времени | отечественная платформа | SLA, потоковый режим, ответственность поставщика |
| Отраслевая лексика: медицина, юриспруденция, техника | платформа с отраслевыми словарями | точность терминов без самостоятельной доводки |
| Записи содержат персональные данные | локальный контур — любой вариант | аудио не покидает инфраструктуру организации |
| Госзаказ, требования реестра отечественного ПО | платформа из реестра | соответствие закупочным требованиям |
| Проверить гипотезу с нулевым бюджетом | Whisper | прототип без затрат на лицензии и договоры |
Критерии сравнения
Развёрнутая матрица по критериям, которые заказчики проверяют перед решением: стоимость, сроки, риски, поддержка, комплаенс и режим данных. Каждая строка матрицы ниже раскрыта отдельным разбором — с пояснениями, откуда берутся цифры и на что смотреть в вашей ситуации.
| Критерий | Отечественная STT-платформа | Whisper (open-source) |
|---|---|---|
| Стоимость | тарифы провайдера; пилот речевого контура — от 480 000 ₽ | лицензии нет; расходы — мощности и инженерия |
| Сроки | подключение по API — дни | развёртывание — дни, доводка под домен — недели |
| Риски | зависимость от тарифов и доступности провайдера | нет SLA: сбои и качество — ваша ответственность |
| Поддержка | SLA в договоре, доработка словарей, гарантии | сила сообщества; эскалации нет |
| 243-ФЗ и реестры | часть платформ — в реестре отечественного ПО | open-source: фиксируется политика использования |
| Данные | облачный API передаёт аудио; есть локальные поставки | полностью локально, аудио не покидает контур |
| Точность на русской речи | специализация, словари доменов, дообучение под клиента | уверенная база, но без отраслевой доводки |
Сравнивайте строки «поддержка» и «точность» вместе: заявленная точность без SLA — это не гарантия, а маркетинговая цифра. В матрице нет проигравшего: Whisper силён в локальном прототипе, платформа — в производственном контуре.
Разбор критериев
Стоимость владения
Whisper бесплатен как модель, но не как система: мощности под инференс, инженерия доводки и — главное — ваши часы на разбор ошибок распознавания. Платформа стоит денег сразу: оплата по тарифам или лицензия, а полноценный речевой контур с распознаванием и аналитикой — пилот от 480 000 ₽. На массовом потоке контакт-центра платформа обычно дешевле в полном учёте: ошибки распознавания в чужом домене съедают всю экономию на лицензии.
Сроки и интеграция
Whisper разворачивается за дни — и в этом его сила для прототипов. Но доводка до рабочей точности на вашей лексике (названия подразделений, термины, аббревиатуры) занимает недели инженерной работы. Платформа подключается по API за дни и уже содержит доводку под русскую речь и типовые домены; отраслевые словари подключаются настройкой. Честное сравнение сроков: дни против дней на старт, но недели против дней — до рабочей точности.
Риски и качество
Риск Whisper — тихая деградация: модель не меняется, а меняются ваши звонки, и никто не замечает падения точности, пока аналитика не начнёт врать. Риск платформы — вендорский: смена тарифов, лимитов, доступности. Управляются по-разному: для своей модели нужна тестовая выборка записей с эталонной разметкой и регулярные прогоны; для платформы — SLA с метриками качества в договоре, а не только с аптаймом.
Поддержка и SLA
У open-source поддержки по определению нет: есть сообщество и ваши инженеры. Для второстепенного процесса это приемлемо, для контакт-центра — нет: час неработающего распознавания — это час слепого колл-центра. Платформа закрывает это договором: время реакции, доступность, порядок эскалаций. Практику анализа записей и метрик качества разбирает технология «речевая аналитика», локальную установку Whisper — «локальный Whisper».
243-ФЗ и реестры
Для участника эксперимента по 243-ФЗ речевой контур — ИИ-актив в реестре независимо от происхождения модели. Разница в закупочных последствиях: часть отечественных платформ входит в реестр отечественного ПО, что упрощает прохождение госзакупок и ведомственных требований. Open-source модель в реестре ПО не значится — её использование фиксируется внутренней политикой и техническим обоснованием в документации.
Данные и контур
Аудиозаписи разговоров — персональные данные, а голос при идентификации человека — потенциально биометрические; утечка архива расшифровок опаснее утечки самих аудио, потому что текст ищется и копируется. Облачный API платформы означает передачу аудио провайдеру — для чувствительных сред есть локальные поставки. Whisper локален по построению: аудио не покидает контур, что и делает его частым выбором для архивов с ПДн. Русскоязычные речевые технологии в целом обозревает статья «русский speech-to-text в словаре».
Вердикты по трём сценариям
Сценарий 1. Контакт-центр с требованиями к качеству
Отечественная платформа с SLA: потоковое распознавание, отраслевые словари, ответственность поставщика в договоре; расшифровки хранятся в вашем контуре. Пилот речевого контура с аналитикой — от 480 000 ₽. Whisper остаётся внутренним инструментом для архива и разовых исследований.
Сценарий 2. Архивная расшифровка без спешки
Whisper на своём железе: нулевая стоимость лицензии, полный локальный контур, темп проекта важнее минутной точности. Обязательное условие — тестовая выборка записей с ручной разметкой, чтобы знать реальную точность на ваших данных, а не среднюю по датасету.
Сценарий 3. Госзаказчик или регулируемый сегмент
Платформа из реестра отечественного ПО в локальной поставке: соответствие закупочным требованиям, договорная поддержка, аудио не покидает периметр. Выбор конкретного поставщика стоит закреплять пилотом на своих записях — обещанная «высокая средняя точность» без вашего домена ничего не гарантирует.
Типичные ошибки выбора
Ошибки выбора речевого стека, которые обнаруживаются уже на эксплуатационной стадии.
- Выбор по бенчмарку без проверки на своих записях: телефонный шум меняет всё.
- Потоковый контакт-центр на модели без SLA — час простоя оплачивает всю «экономию».
- Расшифровки хранятся дольше и доступнее, чем сами записи: текст ищется и копируется.
- Отраслевые термины не доведены словарями: половина терминов распознана «как слышится».
- Нет тестовой выборки с ручной разметкой — точность системы неизвестна даже примерно.
Итог
Речевой стек выбирается по двум вопросам: что в записях и что будет при сбое. Архивы с ПДн — локально, контакт-центр с гарантиями — платформа с SLA, а истина о точности — только на вашей размеченной выборке. Решение стоит перепроверить на своих цифрах: разбор задачи бесплатный, ответ — за 1 рабочий день.
Чек-лист решения
Семь пунктов, которые стоит закрыть до выбора: они одинаково полезны обоим вариантам и закрывают большинство ошибок из списка выше. Пройдите список с командой — обычно это один рабочий час, который экономит недели переделок.
- Есть ли размеченная выборка ваших записей — без неё любые цифры точности ничего не значат.
- Нужен ли потоковый режим реального времени или хватит обработки записей.
- Где будут храниться аудио и расшифровки, кто имеет к ним доступ, каков срок хранения.
- Есть ли в лексике доменные термины и как они доводятся: словари платформы или своя настройка.
- Что говорит SLA: время реакции, доступность, метрики качества распознавания.
- Учтён ли речевой контур в реестре ИИ-активов по 243-ФЗ, есть ли регламент обработки записей.
- Как измеряется эффект: стоимость расшифровки часа записей и качество поиска по расшифровкам.
Смежные материалы
Смежные сравнения: «локальный STT или облачный» и «отечественные LLM или GPT». Практика: услуга «ИИ-телефония и речевые контуры»; технологии «локальный Whisper» и «речевая аналитика». Вопросы: «сколько стоят ИИ-звонки». Пошагово: гайд «как внедрить ИИ-звонки за 7 шагов».
Полный каталог разборов «или — или» — в разделе Сравнения; форматы работ, сроки и цены «от» — в каталоге услуг.