ИИ-диктовка: обещают 95% точности, замеряют 8-12% ошибок в словах

Каждый сервис диктовки продаёт одно число, и оно всегда крупное: точность 85%, точность 95%, до 99% на чистом звуке. Точность расшифровки — величина измеряемая, и эти числа не выдуманы. Их замерили на такой записи, на какой они и получаются, и почти никто не диктует в такую запись. Вот цифры рядом.

Три, которые важны:

• На эталоне LibriSpeech, чистая читаная речь: 2,7% ошибок в словах.
• На реальной английской речи: от 8% до 12% — это в 3–4,4 раза больше эталона.
• Сами сервисы заявляют точность от 85% до 99%, то есть от 1% до 15% ошибок.

LibriSpeech — это читаная речь аудиокниг, записанная чисто, по одному говорящему. Совещание устроено иначе, и голосовая заметка на ходу по улице тоже. Полевые замеры той же модели дают от 8% до 12%, то есть рабочая доля ошибок в три-четыре с половиной раза выше эталона, который цитируют в рекламе. Оба числа честные. Вашу запись описывает только одно из них.

Переведём в то, что вы получите на руки. Пятнадцать минут речи в обычном темпе 150 слов в минуту — это около 2250 слов. При заявленных 95% точности это 113 неверных слов. При замеренном реальном диапазоне — от 180 до 270. На одной надиктованной странице в 1000 слов править придётся от 80 до 120 слов, а не 50, как подразумевает упаковка.

Галлюцинация — это другой сбой

“Доработки, созданные специально для подавления галлюцинаций и для того, чтобы расшифровка медицинских терминов была точнее, чем у любого готового движка распознавания речи на рынке.”

— Nabla, Из описания компанией своей медицинской модели

Nabla — о доработках, внесённых в Whisper для медицинского применения

Неверное слово и выдуманная фраза — разные сбои, и доля ошибок в словах считает только первый. Галлюцинация ИИ — это текст, который модель произвела, а никто не произносил. Рецензируемое исследование нашло выдуманные фразы примерно в 1% образцов, и 38% из них несли явный вред: придуманное насилие, ложные приписывания, лекарства, которых никто не назначал. Сообщаемые доли идут от 1% до 80% в зависимости от условий, а запускают их паузы дольше 30 секунд на границах сегментов, частые остановки и оговорки. Это описание обычного разговора.

Поэтому медицинский поставщик и рекламирует подавление галлюцинаций как функцию, а не считает его само собой разумеющимся. Если бы сбой был редким или заметным, под него не понадобилась бы отдельная линейка продукта.

Во что обходится проверка

Стоимость проверки — часть с самой чистой арифметикой. Rev берёт $0,07 за минуту машинной расшифровки и $0,79 за минуту с человеческой правкой — в 11,3 раза больше. Для часовой записи это $4,20 против $47,40. Разница в $43,20 и есть ровно та сумма, которой вы откупаетесь от того, чтобы самому вычитать 180–270 слов. Otter даёт 300 бесплатных минут в месяц и берёт $8,33 в месяц на годовом плане; у Fireflies тарифы $10, $19 и $39 за пользователя в месяц. При таких ценах машинная расшифровка почти бесплатна, а дорого стоит проверка — и это противоположно тому, как категорию продают.

Пользуйтесь там, где неверное слово стоит дёшево: свои заметки, черновик, архив с поиском, который вы всё равно перечитаете. Проверяйте там, где не дёшево. Полиция уже составляет протоколы по звуку с нагрудных камер моделями того же класса, и мы мерили, что бывает, когда метрика точности приходит позже накладной. Потребительская версия той же проблемы — диктофон, выдающий выводы ИИ длиннее самих заметок. Перед тем как доверять расшифровке, задайте один вопрос: если эта фраза окажется неверной, скажет ли мне об этом хоть что-нибудь?

Информационный материал, не инвестиционная рекомендация. Доли ошибок — опубликованные результаты замеров Whisper Large-v3 на эталонах и в поле, они зависят от языка, качества записи и говорящего; цены — прейскурантные на 22 сентября 2026 года. Арифметика поверх них наша.