Возможности · технология

Что внутри технологии Palatine

Распознавание, деление на спикеров и анализ разговора, режимы API, точность и скорость – с цифрами из бенчмарка и документации.

≈25 с
на файл в 30 минут
0,66 с
до первого текста в потоке
≈100
языков, автоопределение
Личный кабинет: транскрипт по спикерам, саммари и вопросы по записи

Как это работает

Звук приходит. Текст возвращается

Распознавание – цепочка из пяти шагов: от сигнала до текста с пунктуацией, таймкодами и спикерами.

  1. 1ОцифровкаЗвук превращается в последовательность отсчётов.
  2. 2ПризнакиКороткие окна описывают спектр сигнала.
  3. 3Акустическая модельОпределяет вероятные звуки в каждом окне.
  4. 4Языковая модельСкладывает звуки в слова и фразы.
  5. 5ПостобработкаПунктуация, таймкоды и спикеры.

Операции и цены

Одна платформа. Операции под задачу

Распознавание, спикеры и анализ разговора работают в одном API и оплачиваются по факту, посекундно.

  • от 0,29 ₽ / мин

    Распознавание

    Файлы, ссылки и поток. Модель palatine_large_highspeed – по умолчанию, palatine_small – быстрее. Поток – только русская речь.

  • 0,30 ₽ / мин

    Диаризация

    Деление записи на говорящих – отдельная операция к распознаванию.

  • 0,048 ₽ / мин

    Роли и эмоции

    Роли говорящих и эмоции реплик – каждая опция отдельно. Эмоции – только для русского.

  • 0,29 ₽ / мин

    Тональность

    Настроение разговора по всей записи.

  • 0,7 / 1,4 ₽ за 1 000 токенов

    Саммари и вопросы

    Языковая модель поверх расшифровки: итоги встречи и ответы по тексту записи.

  • Бесплатно

    Словарь и фильтр мата

    Термины и подсказка до 1000 символов, фильтр нецензурной лексики. Оплачивается только распознавание.

Точность и скорость

Второй результат из 11 систем

Сравнение на 467 минутах русской речи: WER на файле и задержка в потоковом режиме.

Точность

На 467 минутах русской речи WER на файле – 14,72%: второй результат из 11 систем, до первого места 0,67 п. п. Среди сервисов с обработкой в России – лучший результат у Palatine Speech.

14,72%

WER на файле · второй результат из 11 систем

  1. OpenAI14,05%
  2. Palatine SpeechРФ14,72%
  3. ElevenLabs14,82%
  4. T-BankРФ15,06%
  5. Groq15,32%
  6. Deepgram15,41%
  7. YandexРФ15,44%
  8. Whisper large-v3локально16,13%
  9. Whisper turboлокально16,19%
  10. AssemblyAI16,46%
  11. Speechmatics18,80%

WER – доля ошибочных слов, меньше – лучше. РФ – обработка в России по заявлению провайдера. Бенчмарк на 467 минутах русской речи, 1865 клипов, сентябрь 2026 · настройки API по умолчанию.

Скорость

Когда текст идёт прямо во время разговора, от начала речи до первых слов – 0,66 с, второй результат из семи API. От последнего слова до готовой фразы – 0,35 с. Файл на 30 минут обрабатывается примерно за 25 секунд.

0,66 с

от начала речи до первых слов · второй результат из 7

  1. OpenAI0,61 с
  2. Palatine Speech0,66 с
  3. Yandex0,76 с
  4. Deepgram0,96 с
  5. ElevenLabs2,02 с
  6. T-Bank8,43 с

Готовый файл

25 с – ждать текст записи длиной 30 минут

  1. AssemblyAI14 с
  2. Palatine Speech25 с
  3. Yandex SpeechKit2 мин
  4. OpenAI10 мин

Задержка – медиана по клипам при подаче звука в реальном времени; в неё входят тишина в начале клипа и сеть до серверов провайдера.

Интеграция

Три режима API. Под любой сценарий

  • REST · совместим с OpenAI

    Синхронный

    POST /api/v1/audio/transcriptions: один запрос – готовый ответ в json, verbose_json, text, srt или vtt. Клиент openai – достаточно сменить base_url.

  • Очередь задач

    Асинхронный

    Для длинных записей и ссылок: задача встаёт в очередь, статус – опросом, результат – файлом SRT, VTT, TXT, CSV, XLSX или JSON.

  • WebSocket · realtime

    Потоковый

    Текст приходит по ходу речи: звонки, диктовка, субтитры. Первый текст – через 0,66 с. Только русская речь.

Что подойдёт вам

Роль и задача

Нужен хороший API распознавания для своего продукта

Подойдут

Что получите

  • JSON с пословными таймкодами

    слова, спикеры, язык записи

  • Поток по WebSocket

    текст во время речи, на русском

  • Записи синков и созвонов

    Murmur пишет звук системы, без бота в звонке

  • Спикеры, роли и эмоции

    опциями к тому же запросу

  • Саммари и чат по записи

    языковая модель в том же API

  • Клиент OpenAI

    меняете только base_url

Роль и задача

  • Разработчикнужен хороший API распознавания для своего продукта
  • Руководитель командысозвоны каждый день, а протокол никто не пишет
  • Менеджер продаж или поддержкисотни звонков, которые некому прослушать
  • Журналист, исследователь или HRинтервью на час, а текст нужен сегодня
  • Автор видео и подкастовсубтитры и текст для роликов
  • Учитесь или пишете для себяголосовые, заметки, лекции

Что получите

  • Протокол встречирешения и задачи с ответственными
  • Текст по спикерамвидно, кто что сказал
  • JSON с пословными таймкодамисразу в ваш код или базу
  • Субтитры SRT и VTTготовы к загрузке на площадку
  • Ответы по записиспросите, о чём договорились
  • Текст в тот же чатбез установки программ

Форматы и языки

Что можно загрузить. Что получить

Аудио
AIFFASFFLACM4A / AACMP3OGGOpusWAV
Видео
AVIMKVMOVMP4берём звуковую дорожку
Ссылки
YouTubeVK ВидеоRutubeв кабинете и API
Языки
≈100 языковавтоопределение или явный языкпоток – только русский
Экспорт
TXTSRTWebVTTXLSXCSVJSONиз кабинета
Ответ API
jsonverbose_jsontextsrtvtt

FAQ

Вопросы и ответы

Не нашли ответ? Напишите в бот поддержки, отвечаем в Telegram.

Написать в поддержку
  1. WER 7,10% на семи открытых датасетах: 92,9% слов распознаются верно, на телефонной линии 8 кГц около 90%. Модель обучена на 700 000 часах аудио.

  2. Файл на 30 минут – примерно за 25 секунд. В потоковом режиме медианная задержка – около 82 мс.

  3. 100 языков, язык записи определяется автоматически. WER 7,10% на 7 открытых датасетах.

  4. Да. palatine_diarize – для диалогов и коротких записей до 4 спикеров, palatine_diarize_multi – для созвонов и совещаний на 8–12+ участников. С diarization_model=auto модель выбирается по записи.

  5. SRT, VTT, TXT, CSV, XLSX и JSON – для субтитров, документов, таблиц и интеграций.

  6. Аудио: MP3, WAV, M4A и AAC, FLAC, OGG, Opus, AIFF, ASF. Видео: MP4, MOV, MKV, AVI – из видео берётся звук. В кабинете можно вставить и ссылку на ролик: YouTube, VK Видео, Rutube.

  7. Локальный режим Murmur бесплатный навсегда. Личный кабинет можно попробовать в демо на сайте – без регистрации. Telegram-бот бесплатно расшифровывает 100 сообщений в день в каждой группе и 10 в день в личном чате. Для API по запросу даём 1000 минут на тесты.

Проверьте на своих записях

Кабинет можно попробовать в демо на сайте – без регистрации. Для API – тестовые минуты по запросу.

Murmur

Лист ожидания

Murmur готовится к релизу. Оставьте почту – напишем, когда он выйдет.