Голос і субтитри · перевірено 18 жовтня 2026
Для українського аудіо є вузький тест змішаної мови. Сервіс обирайте за готовим виходом.
Позначені спікери, таймкоди, довжина запису та експорт — окремі умови. Нижче — опублікований WER для IT-мовлення з двома мовами, API з документованими функціями, зіставна пара відкритих чекпойнтів і локальний діалектний результат. Жоден із цих тестів не оцінює готовий SRT, таймінг або повний протокол для вашого запису.
IT-мовлення українською з англійськими термінами: вузький WER-тест
Магістерська робота НаУКМА, 2026 описує 448 записів тривалістю понад дві години. Після нормалізації написання автор подає найкращі значення WER у трьох класах із 49 конфігурацій. Менше — краще; це одна дослідницька вибірка, не оцінка підписок. Картка датасету від автора уточнює, що 448 уривків записав один чоловік у 16 стилях мовлення. Отже, ці рядки не вимірюють розподіл реплік між людьми.
| Клас і точна назва | WER після ITN ↓ | Межа |
|---|---|---|
| Audio-LLM · Gemini 3.1 Pro | 10,5% | Не визначає продукт або тариф. |
| API · ElevenLabs Scribe v2 | 13,4% | Не перевіряє ваш експорт і спікерів. |
| Локально · Whisper large-v3-turbo | 16,7% | Потрібен технічний запуск. |
Цифри взято з опису в університетському репозитарії; повний PDF, конфігурації та аудіо нам не вдалося перевірити. Для англійських термінів автор повідомляє у 3–10 разів більше помилок, ніж для українських слів. Порівнюйте терміни у власному дозволеному фрагменті, а для зустрічі окремо перевіряйте, кому приписано рішення й доручення. Чому один мовець змінює висновок → Метод, друга задача й межі →
Диктування — інша перевірка, ніж зустріч
Співзасновник Shepit відібрав 76 власних українських диктантів і порівняв шість налаштованих рушіїв у вересні 2026 року. Він повідомляє про вісім випадків цілої відповіді не тією мовою в gpt-4o-mini-transcribe та п’ять записів із втраченим мовленням у Deepgram Nova-3. Це самотест продавця для одного голосу й кімнати, не метрика WER із роботи НаУКМА й не рейтинг зустрічей. Для диктування додайте до своєї проби тишу та довший файл: правдоподібна відповідь може пропустити середину.
Українська з англійськими термінами: перевірте запис до оплати
nvidia/parakeet-tdt-0.6b-v3 документує українську, автоматичне визначення мови, таймкоди та локальний запуск через NeMo-Speech.cpp. Це чекпойнт для технічного процесу, не готовий сервіс і не доказ якості розмови, де мови змішані в одному реченні.
Один користувач MacWhisper описав помилки Whisper Large v3 в українсько-англійських зустрічах: власні назви й технічні терміни. Після спроби Parakeet v3 у Pro він і далі описував додаткову правку й словник термінів. Це особистий досвід без опублікованого аудіо та підрахунку помилок; він не доводить, що платний план точніший.
Перед оплатою візьміть дозволений уривок з обома мовами, іменем, датою та рішенням. Порівняйте експортований текст зі звуком і часом виправлення. Якщо потрібен протокол, звірте виконавця та строк до поширення. Ми такого тесту не проводили. Що відомо й чого бракує →
Довгий ролик: модель може вміти українську, але стик треба прослухати
Google Cloud документує uk-UA для Gemini-TTS: gemini-2.5-flash-tts — швидкий маршрут, gemini-2.5-pro-tts — маршрут для структурованого озвучення. Для обох зазначено 8 192 токени на вхід. Long Audio Synthesis є окремим Preview-маршрутом із прикладом Standard-голосу; з цих документів не випливає, що він знімає межу Gemini-TTS.
Один багатомовний виробничий відгук повідомляє про обрив довгого аудіо та різний голос після поділу сценарію; українського тесту там немає. Для серії прослухайте перший і пізніший фрагменти та стик у готовому файлі. Якщо тембр або вимова змінюються, порахуйте час перегенерації й правки до вибору тарифу. Це перевірка результату, не рейтинг природності. Джерела й короткий маршрут →
Як виправити вимову назви, що повторюється
Якщо у вашій українській озвучці постійно помиляються в назві чи наголосі, різниця між моделями ElevenLabs — у керуванні вимовою, а не в доведеній якості голосу. Стан документації на 16 жовтня 2026.
| Модель | Задокументований спосіб правки | Коли розглядати |
|---|---|---|
eleven_v4 | Фонемне правило IPA для неанглійської мови або текстова заміна у словнику; українська є в переліку мов. SSML не підтримується. | Для повторюваної назви, коли звичайна заміна написання не допомагає й доступна ця модель. |
eleven_multilingual_v2 | Текстова заміна (alias); фонемне правило й IPA у тексті не заявлені. | Якщо ваш поточний голос уже вимовляє потрібне правильно, не переходьте лише через новішу назву моделі. |
Це документація постачальника, не наш тест українського аудіо. Ми не перевірили доступ у тарифі, ціну або економію часу. Для одного ролика спершу виправте написання проблемного слова й прослухайте готовий звук; словник IPA має сенс, коли та сама помилка повторюється. Джерела й межі →
Наголос: порівняння підготовки тексту, а не звучання голосів
У UNLP 2025 сім алгоритмів визначення українського наголосу порівняли на 1 026 анотованих реченнях. Нижче три маршрути в порядку точності цілого речення; числа не є оцінкою Google, Azure чи ElevenLabs.
| Алгоритм у дослідженні | Правильне речення ↑ | Правильне слово ↑ |
|---|---|---|
| ByT5 G2P + Ukrainian Word Stress (Skip) | 52,0% | 92,5% |
| Ukrainian Accentor + Ukrainian Word Stress (Skip) | 48,8% | 91,9% |
| Ukrainian Word Stress (First) | 41,5% | 88,7% |
У власному ролику прослухайте експортований звук із неоднозначним наголосом, назвами, датами й сумами. Якщо виправлення забирають більше часу, ніж звичайний запис голосу, змініть маршрут. Метод і межі таблиці →
Озвучення українською: що перевірити перед оплатою
Стан документації на 7 жовтня 2026 року. Це шортлист для синтезу голосу, не рейтинг природності й не сервіси розшифрування.
| Точна модель або голос | Що документує постачальник | Коли перевіряти |
|---|---|---|
Google Cloud gemini-2.5-flash-tts | Українська uk-UA у переліку мов Gemini-TTS; модель підтримує одного або кількох мовців та кілька форматів аудіо. | Якщо маєте розробника й потрібен API для голосу чи діалогу; це не підписка Gemini для чату. |
Azure Speech uk-UA-PolinaNeural, uk-UA-OstapNeural | Два стандартні українські голоси. | Якщо уже використовуєте Azure і потрібен визначений український голос. |
ElevenLabs eleven_multilingual_v2, eleven_flash_v2_5, eleven_v4 | Українська в переліку мов цих моделей. Для eleven_flash_v2_5 постачальник окремо попереджає: числа, дати й валюти за замовчуванням можуть читатися не так, як очікуєте; для них радить eleven_multilingual_v2 або підготовку тексту. | Для дикторського тексту з сумами чи датами спочатку прослухайте обидва варіанти на власному уривку. |
Ні один із цих описів не порівнює вимову українською незалежно. Візьміть короткий дозволений сценарій із власними назвами, датою, сумою та скороченням; згенеруйте аудіо в доступних маршрутах і прослухайте експортований файл. Виправте помилки вимови до публікації. Джерела, аудиторія та межі →
У Teams-кімнаті перевірте, кому приписано рішення
Teams підтримує українську транскрипцію, але в спільній кімнаті ім’я в протоколі залежить від окремого розпізнавання спікерів. Без нього нотатки можуть приписати слова кімнаті. Потрібні відповідна ліцензія, дозвіл адміністратора й голосові профілі; міжорганізаційні зустрічі мають обмеження. На дозволеній пробі перевірте імена біля двох рішень і звірте виконавців до розсилки. Це не вимір точності українського мовлення. Умови та коротка перевірка →
Українські нотатки: редагування до поширення
Для внутрішньої одномовної зустрічі в Teams Facilitator підтримує українську, а спільні Loop-нотатки можна редагувати й прийняти завдання до Planner. Потрібні Copilot, Loop та дозвіл організації; зовнішні зустрічі не підтримуються, а в двомовній розмові нотатки беруть тільки обрану мову. Це інша функція, ніж Intelligent recap після зустрічі.
У Zoom Meeting summary лише ведучий редагує готовий підсумок; він може вже бути надісланий листом. Якщо клієнт не має бачити чернетку, обмежте автопоширення до дзвінка, звірте текст і лише тоді поділіться. Для повторюваних зустрічей визначте, де зберігатимуться прийняті завдання. Таблиця та межі → Спільного українського тесту точності немає.
Хто отримає український протокол?
У Zoom автоматичне поширення можна обмежити ведучим або розширити до запрошених. Початково запрошені й фактичні учасники — не завжди ті самі люди; адміністратор може ввімкнути автозапуск. Teams описує окреме поширення серед визначених зовнішніх учасників. Meet має налаштування одержувачів для підтримуваних мов, але української для нативних ШІ-нотаток не перелічує.
Перед зустріччю погодьте запис і перевірте одержувачів, автозапуск та доступ до транскрипту. Після неї звірте рішення, виконавців і строки зі звуком; поширюйте лише перевірену версію. Таблиця налаштувань → Це не вимір точності українського протоколу.
Після зустрічі потрібен протокол? Teams, Meet і Zoom дають різні виходи
Стан документації Teams і Meet на 2 жовтня 2026. Це шортлист за функцією й доступом, не виміряний рейтинг точності.
| Сервіс | Що задокументовано для української | Що робити |
|---|---|---|
| Microsoft Teams Intelligent recap | Українська у списку мов; підсумок із транскрипту для зустрічі від п’яти хвилин. | Якщо вже є Teams Premium або Copilot, перевірте доступ адміністратора й пробний дозволений дзвінок. Звірте рішення, відповідальних і дати зі звуком. |
| Google Meet | Живі субтитри українською (beta); української немає в переліках мов для збереженої транскрипції й «Take notes for me». | Якщо потрібен український протокол після зустрічі, не вважайте живі субтитри готовим файлом. Перевірте інший дозволений маршрут запису й нотаток. |
ШІ-нотатки можуть помилятися, а доступ залежить від тарифу й налаштувань організації. Джерела й межі →
Zoom: український підсумок і збережений транскрипт — різні налаштування
Стан документації на 3 жовтня 2026. Zoom перелічує українську для AI Companion Meeting summary, який формує підсумок і наступні кроки. Функція потребує відповідного платного плану й увімкнення; ведучий запускає її, а збереження транскрипту вмикає окремо. У тому ж документі Zoom радить правильно задати мову мовлення для розпізнавання; сам підсумок не доводить, що всі імена й доручення розпізнані правильно.
Якщо потрібен файл для звіряння, Zoom підтримує українську транскрипцію хмарного запису й окремий VTT; потрібні відповідний план, хмарний запис і ввімкнена транскрипція. Мову вже створеного транскрипту можна змінити й повторно згенерувати текст. Це інший маршрут, ніж AI Companion summary, і не незалежний тест точності.
Для зустрічі в Google Meet або Teams Zoom дозволяє запросити AI Companion як видимого учасника за умов плану, підключеного календаря й налаштувань. Та сторінка не підтверджує окремо якість української саме у сторонньому дзвінку. Перш ніж додати бота до клієнтської розмови, погодьте це з учасниками й організацією та зробіть дозволений пробний дзвінок. Повна перевірка й межі →
Новий локальний тест: Whisper випереджає випущений BuzzASR за WER
У BuzzASR, arXiv v1 від 9 вересня 2026, таблиці 7–8 на спільному українському наборі FLEURS + Common Voice 25 Whisper-large-v3 без донавчання має 8,19% WER. Випущений BuzzASR/ukrainian з простим донавчанням має 13,22% WER. Менше — краще, але це короткі читані уривки, не ваш дзвінок або SRT.
| Модель або конфігурація | WER ↓ | CER ↓ | Межа |
|---|---|---|---|
| Whisper-large-v3, zero-shot | 8,19% | 2,99% | Базова модель у методі статті. |
| BuzzASR, SFT (випущена українська модель) | 13,22% | 3,44% | Донавчено на українському аудіо. |
| BuzzASR, SFTMTL (дослідницька абляція) | 10,60% | 2,57% | Кращий CER, але гірший WER за Whisper. |
| BuzzASR, FFT | 30,88% | 8,10% | Інший повністю донавчений варіант. |
Усі числа — з одного дослідження; не порівнюйте їх напряму з іншими наборами вище. Картка випущеної моделі дає інше значення CER для Whisper (3,21% проти 2,99% у статті); походження різниці не встановлено. Для конфіденційної зустрічі перевірте маршрут аудіо й технічну підтримку локального процесу. Перед підсумком прослухайте фрагменти з іменами, датами й рішеннями; майже порожній запис не перетворюйте на протокол. Метод і рішення →
Якщо відео вже піде на ваш YouTube-канал
YouTube називає українську серед мов автоматичних субтитрів для завантажених відео й Shorts. Вони можуть з’явитися не одразу або не з’явитися на довгому чи складному записі, з поганим звуком або накладанням голосів. У Studio можна дублювати автоматичну доріжку, виправити слова й часові позначки та завантажити файл субтитрів. Це функції власного каналу, не опублікований український бал точності.
Якщо мову власного відео вказано неправильно, змініть її в Studio до перевірки перекладів. Довідка YouTube каже, що нова мова стане основою для майбутніх перекладених субтитрів; на вже додані субтитри й чернетки це не вплине. Це налаштування не є доказом, що автоматичний текст стане точним: відкрийте фактичну доріжку й виправте її.
Не плутайте субтитри зі звуковим дубляжем. YouTube указує автоматичний дубляж українська→англійська й англійська→українська, але доступні мови треба перевірити для конкретного відео; якість не порівняна. Автоматичну звукову доріжку не можна редагувати, тому ввімкніть ручний перегляд перед публікацією, прослухайте її та вилучіть непридатну. Текст субтитрів у Studio можна виправляти — це інший вихід.
Якщо потрібні брендовані субтитри як редаговані текстові шари у відеопроєкті, доріжка Studio — не той самий вихід. Одна українська дизайн-команда описала, як у її процесі субтитри, перетворені на відеошар, ускладнили навіть правку одного слова; її власний плагін для After Effects розв’язував саме цю задачу. Це досвід команди, не тест CapCut, YouTube або API. Для приватного клієнтського відео спершу перевірте право й умови завантаження.
Задокументовані API та голоси
| Інструмент / точна модель | Провайдер | Що задокументовано для української | Дата перевірки | Пряме джерело | Що ще не виміряно |
|---|---|---|---|---|---|
Scribe v2 | ElevenLabs | Українська (ukr), word-level timestamps, діаризація до 32 спікерів і keyterm prompting. Постачальник відносить українську до власної категорії ≤5% WER. | 17 вересня 2026 | Документація Scribe v2 | Метод WER-категорії, імена, шум, накладання голосів, SRT, ціна й приватність не зіставлені незалежно. |
Cloud Speech-to-Text V2: chirp | Google Cloud | uk-UA; автоматична пунктуація. | 13 вересня 2026 | Таблиця мов V2 | Імена, шум, кілька спікерів, таймінг і придатність субтитрів. |
Cloud Speech-to-Text V2: chirp_2 | Google Cloud | uk-UA у таблиці мов; word-level timestamps, адаптація та інші функції описані для моделі. Поточна документація моделі каже: діаризація не підтримується. | 17 вересня 2026 | Документація Chirp 2 · таблиця мов | Чи функції дають кращий український SRT саме на вашому записі; автоматичний поділ спікерів ця модель не надає. |
MAI-Transcribe-2 | Microsoft Azure | Українська (uk), діаризація, word-level timestamps, список термінів і режими verbatim/clean через Fast Transcription enhancedMode. | 17 вересня 2026 | MAI-Transcribe | Порівняльний WER, розподіл за спікерами й експорт для українського відео. Поточна preview-документація попереджає: з діаризацією записи близько 15 хвилин і довші можуть завершитися помилкою. |
Cloud Text-to-Speech: uk-UA-Chirp3-HD-* | Google Cloud | Опубліковано українські преміум-голоси Chirp3 HD, зокрема Callirrhoe, Charon, Despina й Enceladus, а також Standard-B і Wavenet-B. | 13 вересня 2026 | Список голосів | Природність, вимова назв і придатність для конкретного жанру не порівняні незалежно. |
Локальні відкриті чекпойнти: порівнюйте лише в межах одного джерела
Ці моделі треба запускати й підтримувати технічно. Вони не є підпискою або готовим сервісом субтитрів. Тут є точні рядки, але вони не утворюють рейтинг разом із Google, Azure чи між собою.
| Точна модель / умова | Тест і метрика | Опублікований результат | Практичний висновок | Межа |
|---|---|---|---|---|
oruk/orukeet v0.1.0, r3 проти Parakeet; автор називає SHA обох чекпойнтів | Однакове FLEURS Ukrainian аудіо, 750 читаних кліпів · WER / CER, нижче краще | Orukeet 5,39% / 1,60%; Parakeet 6,00% / 1,74%. Прямий запис r3 | Для технічного локального процесу з подібним читаним аудіо Orukeet має кращий опублікований рядок саме в цій парі. | Запис веде автор моделі; FLEURS не вимірює діалог, шум, імена, спікерів, SRT, ціну чи приватність. |
asfberlin/fast-ukrainian-asr 220M CTC проти whisper-large-v3 | Один model card, спільний normalizer: CV10 читане чисте / телефонне та два спонтанні набори · WER | fast-ukrainian-asr: 9,64% / 10,59% на CV10; Whisper: 13,85% / 17,42%. На rs-test і test-y Whisper нижче: 16,96% проти 28,03% та 20,90% проти 26,28%. Таблиця | Не переносіть кращий результат на читаному або телефонному аудіо на розмову: спершу назвіть свій домен і швидкодію. | Це самоопис автора на власних наборах; він не зіставляється чисельно з FLEURS-рядком вище й не оцінює сервіс. |
Гуцульське мовлення: локальний результат — не рейтинг сервісів
Дослідження UNLP 2026 розширило гуцульський корпус із одного читця до 40 спікерів і 60,63 год. Автори донавчили локальні моделі; для OmniASR-CTC-1B вказано 28,76% WER і 11,49% CER на агрегаті з 3 451 висловлювання. На 217 уривках радіопрограми Hutsulendia — 43,63% WER і 17,24% CER. Таблиця 3 і метод
Це корисний локальний baseline, але не тест Google, Azure, спікерів, таймінгу SRT, ціни чи приватності готового сервісу. Якщо у вас є регіональна вимова, додайте її до короткого власного фрагмента.
Як обрати без вигаданого переможця
Потрібно знати, хто говорить: не обирайте chirp_2 як готовий поділ спікерів. Scribe v2 і MAI-Transcribe-2 мають задокументовану діаризацію; для Azure не плануйте поточний preview-шлях на довгий запис. Можете підтримувати локальний процес: беріть лише рядок із тестом, схожим на ваше аудіо; FLEURS або CV10 не є автоматично вашим відео.
Перед контрактом або виробництвом зробіть короткий запис із власними назвами, числами, фоновим шумом і двома голосами. Якщо у вас діалект або регіональна вимова, додайте його до фрагмента. Перевірте текст, сегментацію, час та цільовий експорт — покроковий маршрут до SRT.