[Документация Yandex Cloud](../../index.md) > [speechkit](../index.md) > Распознавание речи > О технологии

# Распознавание речи

_[Распознавание речи](../../glossary/transcribation.md) (speech-to-text — STT)_ — это процесс преобразования речи в текст.

Работа со SpeechKit осуществляется через API или [Playground](../quickstart/index.md). Подробнее о принципах работы API Yandex Cloud читайте в документе [Концепции API](../../api-design-guide/index.md).

Сервис доступен по адресу `stt.api.ml.yandexcloud.kz:443`.

Для работы со SpeechKit также доступен [Python SDK](../sdk/python/index.md). Он основан на [API v3 SpeechKit](../stt-v3/api-ref/grpc/index.md).

## Способы распознавания {#stt-ways}

SpeechKit предоставляет два способа распознавания речи:

1. [Потоковое распознавание](streaming.md) применяется для распознавания в режиме реального времени. При потоковом распознавании SpeechKit получает короткие аудиофрагменты и отправляет результаты, в том числе промежуточные, в рамках одного соединения.
1. Распознавание аудиофайлов. SpeechKit может распознавать аудиозаписи в [синхронном](request.md) и [асинхронном](transcribation.md) режиме.
   * Синхронное распознавание имеет жесткие ограничения на размер и длительность файла и подходит для распознавания одноканальных аудио до 30 секунд.
   * Асинхронное распознавание может обрабатывать многоканальные аудиозаписи. Максимальная длительность файла — 4 часа.


### Какое распознавание выбрать {#choose-stt}


{% note info %}

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

{% endnote %}


|  | [Потоковое распознавание](streaming.md) | [Синхронное распознавание](request.md) | [Асинхронное распознавание](transcribation.md) |
|---|---------|----------------------|----------------------|
| **Сценарии использования** | Телефонные ассистенты и роботы </br> Виртуальные ассистенты         | Виртуальные ассистенты </br> Голосовое управление </br> Распознавание коротких голосовых сообщений в мессенджерах | Транскрибация аудиозвонков и выступлений </br> Создание субтитров </br> Контроль соблюдения скриптов колл-центров </br> Выявление успешных скриптов </br> Оценка качества работы операторов колл-центров |
| **Входные данные** | Голос в режиме реального времени | Предзаписанные одноканальные короткие аудиофайлы | Предзаписанные многоканальные и длинные аудиофайлы |
| **Принцип работы** | Обмен сообщениями с сервером в рамках одного соединения | Запрос — быстрый ответ | Запрос — отложенный ответ |
| **Поддерживаемые API** | [gRPC v2](api/streaming-api.md) </br> [gRPC v3](../stt-v3/api-ref/grpc/index.md) | [REST v1](api/request-api.md) | [REST v2](api/transcribation-api.md) </br> [REST v3](../stt-v3/api-ref/index.md) </br> [gRPC v3](api/transcribation-api-v3.md) |
| **Максимальная длительность аудиоданных** | 5 минут | 30 секунд | 4 часа |
| **Максимальный объем переданных данных** | 10 МБ | 1 МБ | 1 ГБ |
| **Количество распознаваемых каналов** | 1  | 1 | 2  |


## Процесс распознавания {#process}

Распознавание аудио происходит в три этапа:

1. Акустическая модель определяет, какой набор низкоуровневых признаков соответствует звуковому сигналу.
1. Языковая модель на основе выхода акустической модели генерирует текст по словам.
1. Сервис обрабатывает текст: производит расстановку пунктуации, преобразование числительных в цифры и т.п.

## Точность распознавания {#speed_and_accuracy}

Точность распознавания зависит от модели распознавания. Вы можете повысить точность распознавания модели, предоставив данные для [дообучения](../../glossary/ml-models.md#fine-tuning) модели. Подробнее о дообучении моделей смотрите в разделе [Расширение модели распознавания речи](additional-training.md).

Также на точность распознавания влияют:

* качество исходного звука;
* качество кодирования аудио;
* разборчивость и темп речи;
* сложность фраз и их длина.

## Примеры использования {#examples}

* [Потоковое распознавание аудиофайла с помощью API v3](api/streaming-examples-v3.md)
* [Потоковое распознавание речи с автоматическим определением языка в API v3](api/stt-language-labels-example.md)
* [Асинхронное распознавание аудиофайлов в формате WAV в API v3](api/transcribation-api-v3.md)
* [Пример использования API v1 синхронного распознавания](api/request-examples.md)

#### Полезные ссылки {#see-also}

* [Поддерживаемые форматы аудио](../formats.md)
* [Поддерживаемые языки и модели распознавания](models.md)
* [Потоковый режим распознавания речи](streaming.md)
* [Определение конца фразы](eou.md)
* [Нормализация результатов распознавания](normalization.md)
* [Синхронное распознавание аудиофайлов](request.md)
* [Асинхронное распознавание](transcribation.md)
* [Расширение модели распознавания речи](additional-training.md)