Произнесите вслух так, как говорите на самом деле: «ну, э-э, я думаю, нам стоит перенести запуск на следующую неделю, потому что дизайн ещё не готов». Два разных приложения для Mac могут услышать ровно эту фразу. И вернут вам две совершенно разные вещи.
Одно возвращает каждое слово, вместе с «э-э» и оборванным началом. Другое выдаёт: «Думаю, нам стоит перенести запуск на следующую неделю. Дизайн ещё не готов». То же аудио, те же три секунды. Изменилось лишь то, что приложение сделало с вашими словами после того, как их услышало.
У этой разницы есть название, и большинство людей понимает её наоборот. *Транскрипцию* и *диктовку* используют как синонимы. Но это не синонимы. А ещё один, более новый слой поверх них — ИИ-обработка — незаметно изменил то, чего стоит ожидать от любого из этих процессов. Понимать, что есть что, — это разница между тем, чтобы наговаривать письма и бесконечно их редактировать.
Транскрипция и диктовка — это не одно и то же
Начнём с простых значений, потому что без них дальше ничего не сходится. Транскрипция — это превращение аудио в текст. У вас есть запись — совещание, интервью, голосовая заметка — и вы хотите её записать словами. Задача здесь — точность: передать сказанное дословно, в том числе кто что сказал.
Диктовка идёт в обратную сторону. Вы не превращаете старую запись. Вы говорите, чтобы создать что-то прямо сейчас: письмо, заметку, быстрое сообщение. Аудио тут одноразовое. Вам важен только текст на выходе.
Так что настоящее разделение — про намерение, а не про технологию. Транскрипция сохраняет запись. Диктовка создаёт черновик. Судебный секретарь транскрибирует. А вы из машины наговариваете сообщение сестре. И то и другое превращает речь в текст, но цели у них разные.
Что изменилось: ИИ-обработка появляется сверху
Ещё несколько лет назад обе задачи заканчивались в одном и том же месте: слова на экране, примерно совпадающие с тем, что уловил микрофон. Иногда точно. Читаемо — не всегда. Так или иначе, приводить результат в порядок приходилось вам самим.
Потом языковые модели стали достаточно дешёвыми и быстрыми, чтобы работать вторым шагом. Теперь приложение может транскрибировать вашу речь, а затем переписать её: исправить грамматику, убрать слова-паразиты, расставить знаки препинания, превратить сбивчивый поток в аккуратные предложения — всё за те же пару секунд. Этот второй шаг и есть обработка. Именно он превращает сырую расшифровку в то, что вы и правда могли бы отправить.
Отсюда и берётся диктовка с ИИ-обработкой. Это диктовка — вы говорите, чтобы что-то создать, — с финальным проходом ИИ-очистки. На выходе не то, что вы сказали. На выходе то, что вы имели в виду, записанное так, как вы написали бы сами, будь у вас время.
Как на самом деле работает диктовка с ИИ-обработкой
Большинство статей машут рукой в сторону «машинного обучения» и на этом останавливаются. Вот реальный конвейер, потому что, увидев его, вы точно поймёте, откуда берётся качество. Он работает в два этапа.
Этап 1: речь в текст
Ваше аудио уходит в модель распознавания речи, которая превращает звук в сырой текст. Ведущие модели в 2026 году — это Whisper от OpenAI и его преемник GPT-4o-Transcribe. Точность измеряют через долю ошибочных слов (word error rate) — процент слов, которые модель распознала неверно. На реальной английской речи GPT-4o-Transcribe даёт около 4%, а Whisper около 5% против примерно 15% у старой встроенной диктовки, которую большинство попробовали один раз и забросили. Чем меньше, тем лучше. Сегодняшняя планка — примерно одно ошибочное слово из двадцати.
Этот этап — чистая транскрипция. Если бы приложение остановилось здесь, вы получили бы точную, но неряшливую запись: ваши слова-паразиты, перезапуски, пропущенные запятые. Сойдёт для цитаты. Грубовато для письма.
Этап 2: ИИ-обработка
Сырая расшифровка затем уходит в языковую модель с инструкцией вроде «приведи это в порядок, не меняя смысл». Она убирает «э-э» и «ну как бы», исправляет рассогласования подлежащего и сказуемого, возвращает знаки препинания и превращает сбивчивые конструкции в нормальные предложения. Некоторые приложения позволяют написать эту инструкцию самому. Большинство просто применяют фиксированную.
Весь двухэтапный цикл занимает несколько секунд — настолько мало, что ощущается как одно действие. Вы говорите, ждёте секунду, и появляется обработанный текст. Именно эта скорость делает его ежедневной привычкой, а не очередной рутиной, которую бросаешь уже к четвергу.
Сырой против обработанного: реальное сравнение бок о бок
Определения лучше доходят на примере. Вот предложение, произнесённое естественно — так, как мысль на самом деле срывается с языка:
*«окей, значит, для отчёта за третий квартал, э-э, я думаю, нам надо, нам надо сосредоточиться на цифрах оттока, потому что именно это волнует совет директоров, и, может, добавить ещё слайд про удержание».*
Инструмент чистой транскрипции возвращает это почти дословно, с базовой расстановкой знаков препинания: ``` Окей, значит, для отчёта за третий квартал, э-э, я думаю, нам надо, нам надо сосредоточиться на цифрах оттока, потому что именно это волнует совет директоров, и, может, добавить ещё слайд про удержание. ```
Диктовка с ИИ-обработкой выдаёт вместо этого вот что: ``` Для отчёта за третий квартал нам стоит сосредоточиться на цифрах оттока, поскольку именно это волнует совет директоров. Давайте добавим и слайд про удержание. ```
Та же мысль, те же пара секунд разговора. Одно — запись того, как вы говорили. Другое — то, что можно вставить прямо в Slack. Ни то ни другое не лучше само по себе. Они сделаны для разных задач, и в этом весь смысл их различать.
Когда вам правда нужна сырая транскрипция
Обработка — правильный выбор по умолчанию для большинства текстов. Но не для всех. Иногда важны именно точные слова, и ИИ, наводящий в них порядок, — это баг, а не фича.
Берите сырую транскрипцию, когда: - Вы фиксируете цитату и точная формулировка имеет значение - Вы записываете интервью или совещание как справочный материал - Вы в юридической, медицинской или исследовательской ситуации, где изменённая формулировка — это риск - Вы ведёте дневник и весь смысл — в вашем неотфильтрованном голосе - Вы хотите отредактировать сами, а не отдавать это алгоритму
В таких случаях обработка может незаметно сместить ваш смысл. Она смягчает резкое высказывание, «исправляет» формулировку, которую вы выбрали намеренно, или сливает воедино две мысли, которые вы хотели держать порознь. Поэтому приличные инструменты диктовки сохраняют сырой режим. У Voicr есть режим диктовки, который отключает обработку и даёт чистую, грамотно расставленную по знакам транскрипцию — ничего не добавлено и ничего не переписано.
Когда побеждает диктовка с ИИ-обработкой
Для всего, что предназначено другому человеку, обработка оправдывает себя. Письма, сообщения в Slack, документы, комментарии в коде, PRD — всё, где читателю важно ваше сообщение, а не ваши речевые тики.
Причина — скорость и качество одновременно. Люди говорят примерно 150 слов в минуту, а печатают около 40, так что голос почти в четыре раза быстрее. Но сырая диктовка обычно отдаёт всё это преимущество обратно на время правки. Обработка закрывает разрыв. Вы получаете скорость речи и готовый текст без последующего прохода редактуры.
Есть и второй выигрыш, который легко упустить: контекст. Лучшие инструменты обрабатывают текст по-разному в зависимости от того, где вы пишете. Личное сообщение в Slack должно остаться коротким и непринуждённым. Письмо клиенту требует приветствия и подписи. Именно это берут на себя Smart Rules в Voicr. Задайте тон для каждого приложения один раз — и он переключается в зависимости от того, какое окно в фокусе, так что одна и та же сказанная фраза выходит непринуждённой в Slack и официальной в Mail, а вы ничего для этого не делаете.
Как получить и то и другое, не выбирая
Вам не нужно выбирать один режим и мириться с ним. Рабочая схема скучна и проста: 1. Сделайте диктовку с ИИ-обработкой режимом по умолчанию. Она покрывает те 80% текстов, что уходят другим людям. 2. Держите сырую транскрипцию в одном переключателе — для цитат, интервью и всего, что нужно дословно. 3. Если ваш инструмент умеет правила для каждого приложения, настройте их один раз, чтобы обработка подходила под тон каждого приложения.
Настоящая ошибка не в том, чтобы выбрать неправильный режим. Она в том, чтобы не знать, что эти два режима различаются, а потом винить приложение, когда дословные слова-паразиты всплывают в письме или когда обработанная версия выбрасывает слово, которое было нужно в цитате. Как только вы понимаете, какую задачу решаете, нужный режим — это решение на одну секунду.
Если хотите подробнее разобрать сам слой обработки, посмотрите Голосовая диктовка с ИИ для Mac: как это работает. Если вы всё ещё подбираете инструмент, обзор лучших приложений для перевода голоса в текст на Mac в 2026 году раскладывает варианты по полочкам. А по основам настройки есть как мгновенно перевести речь в текст на Mac.
Попробуйте разницу сами
Быстрее всего прочувствовать всё это — продиктовать одну и ту же фразу дважды, один раз сырьём и один раз с обработкой, и посмотреть, что получится. Секунды за две вы поймёте, какую версию и правда отправили бы.
Voicr делает и то и другое одной клавишей. Удерживайте FN, говорите как нормальный человек — и обработанный текст появляется в буфере обмена, готовый к вставке в любое приложение. Включите режим диктовки, когда захотите сырую версию. Это бесплатно для 5000 слов в месяц без карты, чего вполне хватит, чтобы выяснить, где каждый режим подходит под вашу неделю.