Перевод видеозвонков в реальном времени: 9 советов экспертов для продакшна в 2026

На эту же тему: прочитайте наше полное руководство — 7 лучших инструментов перевода видеозвонков (2026).

Почему этот плейбук написала Фора Софт

Фора Софт выпускает WebRTC-видеопродукты исключительно с 2005 года — 21 год, 625+ проектов и десятки продакшн-видеоплатформ на собственных пайплайнах. Перевод в реальном времени — одна из трёх функций «ИИ внутри звонка», которые клиенты чаще всего просят нас добавить в 2026 году, наряду с транскрибацией и автоматическим саммари.

Якорные референсы, на которые мы опираемся в этом руководстве, — BrainCert (первая в мире LMS-платформа виртуального класса на WebRTC + HTML5, преодолевшая отметку 500 млн минут уроков с аптаймом 99,995%) и ProVideoMeeting, продукт HD-видеоконференций для регулируемых отраслей с AES-256-шифрованием сессий и аутентификацией по цифровой подписи. Оба прошли многоязычные деплои; оба работают до сих пор.

Также на каждом новом проекте мы используем Agent Engineering — ИИ-помощь в составлении ТЗ, проектировании архитектуры и написании связующего кода, — что снижает стоимость на 25–40% по сравнению с классической студией. Если цифры в этой статье ниже того, что вы видите в блогах конкурентов, это потому, что мы приводим наши реальные ставки на 2026 год, а не среднюю по отрасли за прошлый год.

Рынок перевода в реальном времени в 2026 году в четырёх цифрах

Прежде чем планировать бюджет или выбирать поставщиков, откалибруйте ожидания по тому, куда движется рынок. Решения ниже опираются на четыре точки данных.

1. Качество моделей удвоилось за 18 месяцев. Meta SeamlessM4T v2 достигла 26,6 BLEU в конце 2024 года (против 19,7 у v1 в начале того же года). Сабсемипроцентный WER у Deepgram Nova-3 на отобранных данных ещё три года назад был фантастикой.

2. Цены за минуту упали на 30–50%. Стриминговый ASR — коммодизированный рынок; конкуренция между Deepgram, AssemblyAI и self-host-совместимыми альтернативами на базе Whisper сжала маржу поставщиков. Тренд продолжится.

3. Клонирование голоса переросло порог продакшна. ElevenLabs, Meta Voicebox и Google Expressive TTS теперь сохраняют тон и произношение достаточно хорошо, чтобы пользователи мирились с UI на два голоса (оригинальный спикер + переведённый голос) в дубляже и синхронном переводе.

4. Все крупные видеоплатформы открыли аудио-API. Zoom, Teams и Meet теперь предоставляют структурированные потоки аудио в реальном времени. В 2024–2025 годах исчез рыночный барьер для встраивания перевода в «чужой» видеопродукт.

Что реально возможно в апреле 2026 года

Сначала откалибруйте ожидания. Поставщики публикуют цифры задержки и точности в контролируемых условиях; ваши пользователи запустят функцию на шумной домашней сети с региональными акцентами. Четыре реальности ниже — то, что продакшн-сборка действительно даёт сегодня.

1. Задержка. Чистый каскадный пайплайн (стриминговый ASR → MT → нейросетевой TTS) достигает 800 мс–1,5 с сквозной задержки «от стекла до уха» на парах языков первого эшелона. Только субтитры (без TTS) укладываются в 400–700 мс. Сквозные модели speech-to-speech (SeamlessM4T-v2, Voicebox) добавляют 300–500 мс из-за требований к стриминговому буферу, но быстро догоняют.

2. Точность. Deepgram Nova-3 даёт WER 6,8% на отобранном аудио; OpenAI Whisper-large-v3 — около 7,9%. На реальном звонке Zoom со средними акцентами, перебиваниями и темпом 90 слов в минуту ожидайте WER 18–25%. Перевод добавляет ещё 5–15% к падению качества в зависимости от языковой пары.

3. Языковое покрытие. 6–8 языков первого эшелона (EN, ES, FR, DE, JA, ZH, PT, IT) дают близкое к продакшну качество. 30–40 языков второго эшелона работают для субтитров, но в TTS звучат деревянно. Meta SeamlessM4T-v2 покрывает 100+ языков на вход и 36 на выход; Maestra заявляет 125+. Языки длинного хвоста по-прежнему деградируют за 30–40% WER.

4. Стоимость. Стоимость минуты переведённого звонка — 0,60–1,12 ₽ для только субтитров (ASR + MT) и 22–33 ₽ для полной голос-в-голос с клонированием через нейросетевой TTS. Большой разброс — важно, на какую сторону этого диапазона вы попадёте.

Девять советов экспертов: как запустить перевод в реальном времени, который действительно работает

Эти девять вещей мы стабильно объясняем новым клиентам при сборке перевода в реальном времени. Проигнорируйте любую — и через полгода будете переписывать эту часть пайплайна.

1. Начинайте с каскада, а не со сквозной модели. Разделите ASR, MT и TTS на три взаимозаменяемых сервиса. Получите наблюдаемость на каждой стадии, сможете заменить поставщика MT без полной пересборки и сохраните контроль глоссария. Сквозной speech-to-speech по-прежнему правильный выбор примерно для 5% сценариев (сверхнизкая задержка синхронного перевода, где совпадение голоса в TTS важнее контроля глоссария).

2. Измеряйте RTF (real-time factor) до того, как утвердите объём функционала. Любой пайплайн с RTF > 1,0 на вашем целевом железе не сможет работать потоково. Прогоните 30-минутный нагрузочный тест с 10 одновременными потоками на 5-й день разработки, а не на 60-й.

3. Учитывайте накладные расходы браузера. Веб-сборка добавляет 200–400 мс джиттера Audio Worklet + WebRTC поверх задержки самого пайплайна. Десктоп-SDK или нативные мобильные сборки стабильно быстрее на 30–50%. Выбирайте платформу под ваш SLA.

4. Запускайте глоссарий с первой же недели. 10–25 пунктов BLEU качества перевода берутся из специализированной лексики: названий препаратов, юридических терминов, брендов, артикулов SKU. Каждая серьёзная корпоративная сделка потребует этого. Закладывайте глоссарий с первой недели, а не после первой эскалации от клиента.

5. Гибрид «ИИ + человек» по-прежнему золотой стандарт. Для совета директоров, суда, медицины и дипломатии высокого уровня продакшн-паттерн — ИИ-транскрипт, который подаётся человеку-переводчику (KUDO AI Assist, Interprefy Hybrid). Закладывайте цену на 10–20% ниже «только человек», выпускайте чистый ИИ для непринуждённых сценариев. Не делайте вид, будто чистый ИИ в 2026 году решает сегмент высоких ставок.

6. Языковые пары не симметричны. EN→ES — около 500 мс; EN→ZH — около 800 мс; EN→Hindi — около 1,2 с; EN→Yoruba может превышать 2 с. Устанавливайте SLA по парам, а не глобально. Показывайте задержку по каждому каналу в UI, чтобы пользователи знали, чего ждать.

7. Диаризация или гибель на перекрёстной речи. В реальных встречах перекрёстной речи больше 30%. Без диаризации спикеров (pyannote, WhisperX или Azure Speaker Recognition) ваш транскрипт превратится в нечитаемое месиво. Закладывайте 11–13% DER как базовую метрику.

8. Никогда не пропускайте связку «push-to-talk + шумоподавление». Krisp, NVIDIA RTX Voice или кастомный этап RNNoise срезают 30–40% WER на шумных входах. Шумовой гейт плюс опциональный push-to-talk UX отрезают ещё 5–10%. Эта пара — самая высокая по ROI инвестиция в точность из тех, что мы измеряли.

9. Тестируйте на реальных данных, а не на лабораторных бенчмарках. Демо поставщиков записываются в звукоизолированных кабинах носителями языка. Соберите собственный эвал-сет: 30 записей из реального сценария с реальными акцентами, фоновым шумом и жаргоном. Прогоняйте каждого поставщика по нему еженедельно. Так вы не получите сюрпризов в продакшне.

Каскадный пайплайн против сквозного: какой выбрать

Есть два серьёзных архитектурных паттерна. Большинство команд, выбравших неправильный, переписывают всё в течение года.

Каскадный: стриминговый ASR → MT → TTS или субтитры

Три отдельных сервиса, запущенные последовательно. Каждая стадия независимо заменяема, каждая выдаёт метрики, у каждой собственная строка стоимости. Классический выбор в 2026 году и по-прежнему правильный дефолт для 95% продуктов.

Сквозной speech-to-speech (SeamlessM4T-v2, Google S2ST, Voicebox)

Одна модель принимает исходное аудио и выдаёт целевое. Сохраняет просодию, акцент и эмоцию лучше, чем каскадный TTS. Meta SeamlessM4T-v2 даёт 26,6 BLEU (против 19,7 у v1 — прирост +6,9 пункта за год); открытые варианты для self-host теперь существуют.

Матрица поставщиков ASR / MT / TTS (апрель 2026)

Выбор поставщиков — решение на каждой стадии отдельно. Это шорт-листы, которые мы рекомендуем клиентам оценить; конкретный выбор зависит от списка языков, модели стоимости и региона.

Эталонная архитектура WebRTC-приложения с переводом в реальном времени

Архитектура ниже — то, что мы чаще всего выпускаем внутри видеопродуктов. Работает внутри WebRTC SFU (LiveKit, mediasoup или нативного SDK Zoom/Teams/Meet) с сервисами перевода, потребляющими серверный форк аудио.

Пути интеграции по видеоплатформам

Если вы встраиваетесь поверх существующей видеоплатформы, а не строите свой стек WebRTC, правила интеграции конкретны. Краткая версия ниже.

Zoom. Meeting SDK предоставляет сырое аудио через Meeting Bot Framework; инъекция переведённого аудио идёт как от второго участника, а инъекция субтитров — через Closed Caption API. Самый быстрый путь к выпуску — Zoom App + Captioning Bot.

Microsoft Teams. Teams Graph Communications API или Media Bot. Media Bot — единственный путь для переведённого аудио в реальном времени; субтитры используют Live Transcription API. Корпоративно дружелюбно, но кривая обучения SDK крутая.

Google Meet. Google Meet Media API (GA в 2025 году) предоставляет сырое аудио участников и позволяет отдавать обратно переведённое аудио. Самый хорошо документированный SDK из трёх больших корпоративных платформ.

Jitsi / Jigasi. Полный контроль исходного кода. Вы можете форкнуть аудио-пайплайн где угодно. Самый экономичный вариант для кастомного продукта, где видеостек уже ваш.

LiveKit / Agora / 100ms / Dolby.io. Нативные серверные аудиодорожки плюс публикация через SDK. Фреймворк LiveKit Agents — самый чистый путь для встраивания агента перевода в комнату.

Модель стоимости для продукта на 100 тыс. минут в месяц

Реальные цифры для средне-масштабного продукта перевода: 100 000 минут в месяц переведённых звонков, «субтитры в первую очередь» с опциональным TTS на 30% из них, 4 языковые пары (EN↔ES, EN↔FR, EN↔DE, EN↔ZH).

Только субтитры на том же объёме обходятся примерно в 180 000 ₽/мес. Полный голос-в-голос на 100% минут — от 1,8 млн ₽. Большинство B2B SaaS-продуктов оценивают переведённую минуту в 15–37 ₽, так что валовая маржа на 100 тыс. минут в месяц остаётся здоровой даже с ElevenLabs.

До 100 тыс. минут оставайтесь на API. После ~1 млн минут self-host Whisper-large-v3 + NLLB-200 + Coqui/XTTS на паре A100 опустит стоимость минуты ниже 0,15 ₽ и окупит инфраструктурную работу за 3–5 месяцев. Для средней полосы здравый выбор — гибрид: self-host ASR, MT и TTS оставить на управляемых API.

Техники повышения точности, которые реально сдвигают WER

Когда базовый пайплайн уже работает, эти интервенции улучшают точность на реальных звонках. Упорядочены по ROI на инженерный час.

Шумоподавление + VAD. Улучшение WER на 30–40% на шумных входах. Krisp, NVIDIA RTX Voice или RNNoise на входе. Silero VAD, чтобы отбросить тишину до того, как она попадёт в ASR.

Кастомная лексика. +10–25 BLEU для специализированной терминологии. Названия препаратов, юридический жаргон, составы спортивных команд, тикеры. Большинство поставщиков ASR принимают словари произношения; каждый поставщик MT принимает глоссарии.

Сохранение именованных сущностей. Заранее извлекайте имена, даты, числа и коды через NER и вставляйте их дословно в переведённый вывод. Решает проблему, когда «Tom Brady» превращается в «Tom’s brother».

Контекстные окна. Передавайте последние 2–3 высказывания плюс контекст встречи («медицинская консультация») в промпт для MT. Современные LLM-MT улучшаются на 5–10 BLEU при релевантном контексте.

Скоринг уверенности + фоллбек. Если уверенность ASR опускается ниже 0,7, показывайте оригинальное слово с оговоркой, а не уверенно-неправильный перевод. Бережёт репутацию.

Диаризация спикеров. pyannote.audio или WhisperX. Базовая метрика 11–13% DER на реальных встречах. Без неё перекрёстная речь становится нечитаемой.

Распространённые сценарии отказа и как их обходить в дизайне

Пять сценариев ниже отвечают за большинство плохих отзывов о продуктах перевода в реальном времени. Закладывайте их в дизайн с первого дня.

1. Плохое качество микрофона. Добавляет 30–40% к WER. Покажите клиентскую оценку качества аудио и попросите пользователя переключиться на гарнитуру, когда она опускается ниже порога.

2. Переключение языков (code-switching). WER подскакивает на 30–50% в точках переключения. Помогают модели, обученные на CS-FLEURS; ещё больше помогает классификатор языка перед ASR. Примите, что это фронтир 2026 года, а не решённая задача.

3. Быстрая или невнятная речь. Выше 180 слов в минуту точность ASR резко падает. Подскажите спикеру («говорите на 20% медленнее для перевода в реальном времени») мягким уведомлением в UI.

4. Перекрёстная речь. Присутствует более чем в 30% реальных встреч. Делайте диаризацию, приоритизируйте доминирующего спикера, складывайте перекрывающиеся реплики в отдельный поток субтитров.

5. Сетевой джиттер. Каскадные пайплайны накапливают задержку, когда какая-либо стадия замирает. Инструментируйте каждую стадию. Алертите, когда любая p95-задержка пересекает свой SLA.

Пять ловушек, которые рушат проекты перевода в реальном времени

Это пять ошибок, которые мы чаще всего видим на этапе дискавери. Все они предотвратимы.

1. Запуск с 50+ языками в первый же день. Качество в хвосте уничтожает доверие. Начинайте с 4–8 языков первого эшелона; расширяйтесь по сигналу выручки.

2. Игнорирование специализированной лексики. Отсутствие глоссария — это на 20–40% больше ошибок перевода в брендах, названиях препаратов и SKU. Запускайте инфраструктуру глоссария на первой неделе, а не на десятой.

3. Пропуск VAD и шумоподавления. Самый сильный рычаг WER. Откладывать его — ложная экономия.

4. Монолитный пайплайн. Если ASR, MT и TTS — один бинарь, вы не сможете ни менять поставщиков, ни дебажить стадии. Всегда разделяйте их.

5. Отсутствие реального эвал-сета. Демо поставщиков — театр. Соберите 30 примеров из реального сценария; прогоняйте каждого поставщика по нему еженедельно.

Мини-кейс — субтитры в реальном времени в видеопродукте для регулируемой отрасли

Ситуация. Клиенту в регулируемой отрасли видеоконференций (ProVideoMeeting) понадобились субтитры в реальном времени на 8 языках для трансграничных звонков с аудит-следом по цифровой подписи. SLA по точности: 90%+ на их юридической лексике. SLA по задержке: 1 с на субтитры, 2 с на аудио.

12-недельный план. Мы выпустили каскадный пайплайн: Deepgram Nova-3 для ASR с глоссарием из 600 юридических терминов, DeepL для четырёх европейских пар и Google Translate для остальных, опциональный ElevenLabs TTS за фича-флагом. Всё работало в том же регионе, что и видеосервер SFU, чтобы минимизировать межрегиональные переходы. Диаризацию делали через WhisperX, чтобы юридические транскрипты содержали метки по спикерам.

Результат. 92–95% точности на их внутреннем глоссарии; p95-задержка субтитров 740 мс; готовые к аудиту транскрипты, проиндексированные в существующее хранилище комплаенса. Стоимость сборки уложилась в 16-недельный инженерный потолок. Хотите похожую разбивку под ваш продукт? Позвоните или напишите нам.

Build vs. buy — встроить SaaS или собрать своё

Есть короткий список «drop-in»-SaaS-поставщиков, которых можно встроить вместо сборки своего пайплайна: Interprefy, KUDO, Wordly, Maestra, Palabra.ai, Akkadu. Каждый предлагает более высокую цену за минуту в обмен на нулевое время разработки.

Покупайте (встраивайте SaaS), когда: вам нужен перевод как надстройка к существующему продукту, ожидаете менее 50 тыс. минут в месяц или вам нужен гибрид с человеком-переводчиком (Interprefy, KUDO).

Стройте каскадный пайплайн, когда: перевод — ядро продукта, нужен контроль глоссария, у вас более 100 тыс. минут в месяц или вам нужно запускаться в конкретном регионе резидентства данных.

Self-host моделей, когда: у вас более 1 млн минут в месяц, данные не могут покидать ваше облако (здравоохранение, финансы, госсектор) или вам нужно клонирование голоса с GPU на собственной инфраструктуре.

Фреймворк принятия решения: спроектируйте перевод за пять вопросов

Ответьте на пять вопросов ниже, прежде чем браться за SDK. Ответы сжимают выбор стека до одного-двух жизнеспособных путей.

В1. Голос или субтитры? Только субтитры → обойдитесь без TTS; сэкономьте 375 тыс.–1,1 млн ₽/мес на продакшн-трафике. Голос → закладывайте ElevenLabs или Google TTS.

В2. Сколько языков? 4–8 → гибрид DeepL + Google Translate. 20+ → Google Translate + NLLB на хвост. 100+ → SeamlessM4T-v2 на self-host.

В3. Какой SLA по задержке? >2 с → подходит любой пайплайн. 1–2 с → каскад со стриминговым ASR. <1 с на субтитры → Deepgram + DeepL + деплой в регионе клиента.

В4. Резидентство данных? Любой регион → управляемые API. Только EU или регулируемая отрасль → self-host Whisper + NLLB в собственном VPC.

В5. Какие ожидания по human-in-the-loop? Никаких → чистый ИИ (Wordly, Maestra). Высокие ставки → гибрид ИИ + человек (Interprefy, KUDO).

KPI для измерения после запуска

Функциям перевода в реальном времени нужна собственная дисциплина телеметрии. Инструментируйте эти три ведра.

KPI качества. WER по каждой языковой паре (цель: менее 15% на чистом аудио, менее 25% на реальных звонках); BLEU по терминам глоссария (цель: более 60); DER для диаризации (цель: менее 13%); доля вывода, отфильтрованного по уверенности.

Бизнес-KPI. Доля пользователей, включающих перевод; минуты перевода на платного пользователя; удержание многоязычных сессий относительно одноязычной базовой линии. Измерить «залипание» — сложнее всего, но это самое важное из трёх.

KPI надёжности. p95-задержка на каждой стадии, частота перезапусков пайплайна, частота фоллбеков языковой модели, лаг синхронизации глоссария. Цельтесь в p95-задержку пайплайна в пределах 1,5× от p50.

Комплаенс и резидентство данных

Перевод аудио сначала требует его транскрибации. Транскрибация создаёт PII, которое теперь где-то лежит. Корректно спроектируйте комплаенс ещё до первой корпоративной сделки.

1. GDPR и резидентство данных. Клиенты из ЕС всё чаще требуют, чтобы аудио и транскрипты оставались в регионах ЕС. Выбирайте поставщиков с европейскими эндпоинтами (Deepgram EU, AWS Frankfurt, DeepL Pro EU) или self-host.

2. HIPAA. Подписанные BAA предлагают лишь несколько поставщиков ASR: AWS, Google, Azure, Microsoft и часть вариантов с возможностью self-host. Не Deepgram и не OpenAI (на апрель 2026 года). Планируйте здравоохранение с учётом этого.

3. Удержание. Дефолт «удалять после сессии» для непремиум-пользователей; 7–30 дней удержания для премиума плюс явное согласие. Жёсткое требование в большинстве чувствительных к приватности вертикалей.

4. Аудит-лог. Подписанные аудит-записи для каждого переведённого высказывания (кто, когда, какая пара языков, оценка уверенности). Делает eDiscovery подъёмным.

Когда перевод в реальном времени ещё не стоит запускать

Честная контрпозиция. Перевод в реальном времени — не всегда правильная функция к выпуску в 2026 году.

1. У вашего одноязычного продукта слабое удержание. Перевод его не спасёт. Сначала почините основной цикл.

2. Все ваши пользователи находятся в одной языковой зоне. Инженерная стоимость перевода в реальном времени никогда не оправдывается «крутым демо». Выпускайте только субтитры — и только если более 20% ваших пользователей говорят на втором языке.

3. Ваш контент насыщен жаргоном, а бюджета на глоссарий нет. Без специализированного глоссария качество перевода в узких вертикалях (медицина, юр, инженерия) слишком низкое, чтобы продавать против одноязычной альтернативы.

4. Ваш SLA по сквозной задержке — менее 400 мс. В 2026 году это невозможно, точка. Пересоберите пользовательский опыт под 800 мс+ или ждите поколения стриминговых speech-to-speech-моделей 2027 года.

Часто задаваемые вопросы

Какую минимальную задержку реально достичь в видеозвонке с переводом в реальном времени?

Сквозная задержка только субтитров — 400–700 мс на хорошо настроенном каскадном пайплайне на языках первого эшелона. Голос-в-голос — 800 мс–1,5 с. Ниже этих чисел — маркетинг, а не продакшн.

Делать ли self-host Whisper или брать API OpenAI?

Whisper API от OpenAI работает только в батч-режиме и стоит около 0,45 ₽/мин — дёшево, но не стримит. Для реального времени либо запускайте Whisper-large-v3 на self-host со стриминг-обёртками (WhisperX, Faster-Whisper), либо берите Deepgram Nova-3 за 0,57 ₽/мин. Self-host выигрывает за ~1 млн минут в месяц или когда того требует резидентство данных.

Сколько языков реально поддержать на старте?

Запускайтесь с 4–8 языками первого эшелона (EN, ES, FR, DE, JA, ZH, PT, IT). Языки второго эшелона добавляйте по сигналу от пользователей. Не запускайтесь с 50+ языками: качество на всех вы не удержите, а один плохой язык отравляет репутацию всего продукта.

Достаточно ли хорош ИИ-перевод, чтобы заменить переводчиков-людей?

Для неформальных и среднеответственных встреч — да. Для совета директоров, суда, медицины, дипломатии или любой ситуации, где ошибка перевода ведёт к серьёзным последствиям, продакшн-паттерн по-прежнему гибрид ИИ + человек (KUDO AI Assist, Interprefy). Закладывайте цену соответственно: гибрид примерно на 10–20% дешевле «только человека», а не на 90%.

Нужна ли диаризация спикеров для субтитров?

Для звонков один на один — нет. Для встреч с 3+ участниками или любой встречи с перекрёстной речью (то есть фактически всех реальных встреч) — да: без диаризации поток субтитров становится нечитаемым. pyannote.audio или WhisperX дают базовые 11–13% DER, что достаточно для UI-маркировки.

Можно ли встроить перевод в Zoom, Teams или Google Meet?

Да. Zoom — через Meeting SDK + Captioning API, Teams — через Graph Communications API + Media Bot, Google Meet — через Meet Media API. У каждого своя авторизация, своя задержка и свои процессы согласования. Закладывайте 8–12 недель на продакшн-качество бота на любой из трёх платформ.

Сколько стоит встроить перевод в реальном времени в видеоприложение?

С Фора Софт и Agent Engineering — 3–6 млн ₽ за пайплайн только субтитров на 4–6 языках (10–14 недель); 6,7–12 млн ₽ за продакшн-пайплайн голос-в-голос с глоссарием, диаризацией и наблюдаемостью (16–24 недели). Классические студии называют цифры в 1,4–2 раза выше.

Как стоимость перевода в реальном времени соотносится с полной сборкой live-стриминга?

Перевод обычно — модуль поверх существующего видеопродукта, а не самостоятельная сборка. Если вы бюджетируете более широкий стриминговый контекст, разбивку по полному стеку даёт наше руководство по стоимости разработки платформы live-стриминга.

Что почитать дальше

Готовы добавить перевод в реальном времени в свой видеопродукт?

В 2026 году перевод в реальном времени — это выпускаемая функция, а не исследовательский проект. Пайплайн — каскадный ASR → MT → TTS. Бюджет задержки — 800 мс–1,5 с на языках первого эшелона. Стоимость — 0,75–22 ₽ за минуту в зависимости от того, выпускаете вы субтитры или голос. Порог точности — реальный WER ниже 25% на шумных звонках при доменной адаптации с глоссарием.

Если вам нужна конкретная стоимость, рекомендация по поставщикам и 12-недельный план под ваши языки и сценарий, мы прогоним опции по вашему аудиопрофилю и пришлём защитимую оценку в течение 48 часов.