RTF

Сколько ждать расшифровку. Час записи разбирается за 11–12 минут — это всё, что нужно знать перед загрузкой файла. Ниже — как считается число, которым это принято мерить.

RTF (Real-Time Factor) — время обработки, поделённое на длительность записи; меньше значит быстрее. RTF 0,1 значит, что час аудио расшифровывается за шесть минут. Главная метрика скорости распознавания речи.

Как читать это число

RTF = время обработки, поделённое на длительность записи. RTF 0,1 означает, что час записи разбирается за шесть минут. RTF 1,0 — обработка идёт ровно столько, сколько длится запись. Больше единицы — медленнее реального времени, и такой сервис для длинных записей непригоден.

RTF 0,02 — час за минуту с небольшим. Обычно это видеокарта.
RTF 0,1 — час за шесть минут: рабочий режим на процессоре.
RTF 0,5 — час за полчаса. Терпимо для ночной пачки, мучительно для одной встречи.
RTF 2,0 — час за два часа. Годится только для потокового распознавания коротких фраз.

Засечь время обработки своей записи →

Почему RTF важнее WER при выборе сервиса

Разница в точности между приличными системами измеряется единицами процентов, и на живой записи её часто не видно за качеством самой записи. А разница в скорости видна сразу: шесть минут против получаса на часовую встречу — это разные рабочие процессы. Первый позволяет расшифровать запись сразу после совещания, второй превращает расшифровку в отложенную задачу.

От чего RTF зависит

Железо: видеокарта даёт кратное ускорение, но и на обычном процессоре час записи разбирается за минуты.
Модель: у нас их две, и по скорости они различаются почти вдвое. Потоковому режиму по умолчанию достаётся быстрая, загруженному файлу — вторая; по точности, как показал открытый замер, они идут вплотную.
Дополнительные режимы: разделение по голосам и эмоции — отдельная работа поверх распознавания, они добавляют время.
Длина записи: короткие файлы дороже в пересчёте — постоянные издержки на запуск не размазываются по длительности.

Наш замер

Встреча длительностью 17 минут 52 секунды обработана за 94 секунды на обычном процессоре ноутбука (Intel Core Ultra 7 155H) — это RTF около 0,09. Обобщать по ней не стоит: короткая чистая запись идёт быстрее, чем поток. На нашем открытом замере RTF по трём наборам речи лежит в диапазоне 0,180–0,203, то есть час записи разбирается за 11–12 минут. Замеры сделаны с разделением по голосам, без видеокарты.

Полная методика и таблицы по срезам речи →

Попробуйте на своей записи

Проверьте скорость на своей записи: первые три минуты разберём бесплатно.

Загружайте запись любой длины — бесплатно расшифруем первые 3 минуты. Без регистрации.

Вопросы

RTF и задержка — это одно и то же?

Нет. RTF описывает пакетную обработку файла: сколько ждать готовую расшифровку. Задержка первого слова относится к потоковому распознаванию — через сколько после произнесения слово появится на экране. Это разные величины, и хороший RTF не гарантирует малой задержки.

Почему сервисы не публикуют RTF?

Потому что число зависит от железа, и его придётся указывать вместе с конфигурацией — а это раскрывает себестоимость. Публикация цифры со всеми условиями ставит сервис в позицию, где скорость можно проверить.

Что быстрее — распознать без разделения по голосам?

Да, заметно. Разделение — отдельный проход по записи, и на длинных файлах он ощутим. Поэтому его можно отключить, если знать, кто говорит, не нужно.

Час записи за сколько обработается у вас?

От 11 до 12 минут на обычном процессоре, с разделением по голосам: 11 минут на подготовленной начитке, 12 на живой речи в шуме. Диапазон измерен на 2398 записях, цифры и методика — на странице замера. Ограничения по длительности одной записи нет.

Страница обновлена 6 октября 2026