[Документация Yandex Cloud](../../index.md) > [speechkit](../index.md) > Решение проблем > Распознавание речи

# Распознавание речи (STT)


{% note info %}

В [регионе Казахстан](../../overview/concepts/region.md) доступна только версия API v3.

{% endnote %}


#### Некорректные ударения и произношение {#stt-stress-pronunciation}

Создайте обращение и приложите примеры, чтобы разработчики могли внести корректировки к следующим релизам модели синтеза.

#### Плохое качество распознавания при 8кГц {#at-8khz}

Если проблема систематическая (десятки процентов от общей доли запросов), создайте обращение и приложите примеры для исследования. Чем больше примеров вы пришлете, тем вероятнее разработчики обнаружат проблему.


#### Форма обратной связи по качеству распознавания {#feedback}

При систематическом возникновении проблем обратитесь в [службу поддержки](https://kz.center.yandex.cloud/support) с файлами и описанием.


#### Два канала распознались как один. Как распознать каждый канал отдельно {#two-channels}

Распознавание многоканальных аудиофайлов доступно только при [асинхронном распознавании](../stt/transcribation.md).

Проверьте формат вашей записи:

* Для LPCM используйте параметр [config.specification.audioChannelCount](../stt/api/transcribation-api.md#sendfile-params), равный 2.
* Для MP3 и OggOpus указывать параметр не нужно, поскольку информация о количестве каналов уже содержится в файле. Файл автоматически распределится на нужное количество записей.

Распознанный текст в ответе разделяется параметром [channelTag](../stt/api/transcribation-api.md#get-result-response).

#### Можно ли распознавать 2 и более голосов с разделением на дикторов? {#separate-speaker}

Распознавание многоканальных аудиофайлов доступно только при [асинхронном распознавании](../stt/transcribation.md).

Во время распознавания текст не разделяется по голосу, но вы можете разместить голоса в разных каналах и разделить распознанный текст в ответе параметром [channelTag](../stt/api/transcribation-api.md#get-result-response).

Количество каналов можно указать в запросе с помощью параметра [config.specification.audioChannelCount](../stt/api/transcribation-api.md#sendfile-params).

#### Файл короче чем лимит, но при распознавании возникает ошибка {#multi-channel-limits}

Если файл многоканальный, то учитывайте суммарное время записи всех каналов. Список ограничений смотрите в разделе [Квоты и лимиты в SpeechKit](../concepts/limits.md#speechkit-limits).

#### Ошибка Internal Server Error {#internal-server-err}

Убедитесь, что [формат](../stt/api/request-api.md#body_params), указываемый в запросе, и реальный формат файла соответствуют друг другу. Если ошибку исправить не получается, пришлите нам примеры аудиофайлов, которые не удается распознать.

#### Где найти пример для распознавания речи с микрофона? {#microphone}

[Пример потокового распознавания речи, продиктованной на микрофон](../stt/api/microphone-streaming.md).

#### Можно ли использовать POST для потокового распознавания? {#post}

Потоковое распознавание использует механизм удаленного вызова процедур [gRPC](../../glossary/index.md) и не поддерживается в [REST API](../../glossary/rest-api.md), поэтому использовать метод POST не получится.

#### Обрывается / завершается сессия потокового распознавания {#broken-session}


Потоковое распознавание работает в режиме реального времени. Вы можете отправлять на распознавание «тишину», чтобы сервис не закрыл соединение.

Мы рекомендуем использовать API v3 для потокового распознавания. Для отправки «тишины» в API v3 есть [специальный тип сообщений](../stt-v3/api-ref/grpc/Recognizer/recognizeStreaming.md#speechkit.stt.v3.SilenceChunk), поэтому ее не придется имитировать в аудиозаписи самостоятельно.

#### Как определяется конец фразы и длительность сессии распознавания? {#utterance-end}

Конец фразы определяется по «тишине» после фразы автоматически. Подробнее об определении конца фразы читайте в разделе [Определение конца фразы](../stt/eou.md).

[Максимальная длительность сессии](../stt/streaming.md#session-restrictions) потокового распознавания составляет 5 минут.

#### Что делать, если SpeechKit не дослушивает или, наоборот, слишком долго ждет окончания разговора? {#eou-tune}

Перебивание и задержки при [потоковом распознавании](../stt/streaming.md) могут быть связаны с определением конца фразы. Рекомендации для настройки EOU читайте в разделе [Определение конца фразы](../stt/eou.md).

#### Ошибка OutOfRange desc = Exceeded maximum allowed stream duration {#duration-exceeded}

Эта ошибка означает, что превышена максимально допустимая длительность сессии распознавания. В этом случае вам нужно заново открыть сессию.

Для потокового распознавания [максимальная длительность сессии](../concepts/limits.md#speechkit-limits) составляет 5 минут. Это техническое ограничение, обусловленное особенностями архитектуры Yandex Cloud, изменить его нельзя.

#### Ошибка use SA for s3 file recognition {#use-sa-err}

Ошибка `use SA for s3 file recognition` возникает при попытке распознавания аудиофайлов из Object Storage не от имени сервисного аккаунта.


[Создайте](../../iam/operations/sa/create.md) сервисный аккаунт, получите для него [IAM-токен](../../iam/operations/iam-token/create-for-sa.md) или [API-ключ](../../iam/operations/authentication/manage-api-keys.md#create-api-key) и используйте их для аутентификации в запросах к API. Также проверьте способ авторизации и ключ или токен для авторизации: возможно, вы получили его для одного аккаунта, а запрос выполняете от имени другого.




#### Из чего складывается стоимость использования? {#stt-cost}

Примеры расчета стоимости использования, правила тарификации и актуальные цены смотрите в разделе [Правила тарификации для SpeechKit](../pricing.md).