Документация · версия 1.0.0

ОПИСАНИЕ ФУНКЦИОНАЛЬНЫХ ХАРАКТЕРИСТИК ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

Наименование программы«Тембр»
Версия1.0.0
ПравообладательОбщество с ограниченной ответственностью «Веб 3.0» (ООО «Веб 3.0»), ИНН 5027321593, ОГРН 1235000127218
Класс ПО по классификатору07.04 «Средства распознавания и синтеза речи»
Дата документа17.10.2026

1. Общие сведения

1.1. Программа «Тембр» (далее — Программа) предназначена для автоматического перевода аудио- и видеозаписей речи в текст с разделением текста по говорящим.

1.2. Программа устанавливается и работает на оборудовании организации- заказчика (рабочая станция или сервер организации). Обработка записей выполняется локально; записи и полученные тексты не передаются за пределы оборудования, на котором установлена Программа. Единственное сетевое обращение Программы — проверка лицензии на сервере правообладателя в Российской Федерации; записи и тексты при этом не передаются (раздел 4.8). Корпоративная поставка (тариф «Enterprise», по договору) не обращается к сети вовсе.

1.3. Программа использует технологии искусственного интеллекта: нейросетевую модель распознавания речи и нейросетевую модель разметки говорящих. Обе модели являются сторонними открытыми компонентами, поставляются в составе дистрибутива и выполняются локально (см. раздел 9 и документ «Описание архитектуры»).

1.4. Номер версии и наименование правообладателя выводятся Программой: на странице «О программе» и по ключу командной строки --version.

1.5. Интерфейс Программы — на русском языке.

2. Назначение

Программа предназначена для подготовки текстовой расшифровки записей рабочих совещаний, заседаний, интервью и переговоров, в том числе многочасовых записей с большим числом участников.

Результат работы Программы — черновик расшифровки для вычитки человеком: текст, разделённый на реплики с указанием говорящего и временных меток. Программа не заменяет редактирование стенограммы; об этом пользователь уведомляется в интерфейсе (см. раздел 10 и показатели в разделе 12).

3. Область применения

  • органы государственной власти, государственные учреждения и организации, для которых недопустима передача записей во внешние сервисы распознавания речи;
  • подразделения документационного обеспечения и секретариаты (протоколы совещаний и заседаний);
  • организации, работающие в изолированных от сети Интернет контурах.

4. Функции Программы

4.1. Приём записей

  1. Выбор файла записи на локальном компьютере средствами операционной системы (режим рабочего места); файл при этом не копируется.
  2. Передача файла записи на сервер организации по локальной сети через браузер, потоком, с отображением хода передачи и возможностью её отмены (режим сервера организации). Предельный размер файла — 5 ГБ (настраивается администратором).
  3. Проверка свободного места на диске сервера до начала приёма файла.
  4. Извлечение звуковой дорожки из видеофайла в браузере пользователя до отправки на сервер (контейнеры MP4/MOV), что сокращает объём передаваемых данных. Функция доступна при обращении к серверу по защищённому протоколу HTTPS; при её недоступности передаётся исходный файл, а причина сообщается пользователю.

4.2. Распознавание речи

  1. Автоматическое распознавание речи на русском и английском языках, а также режим автоматического определения языка (выбор в интерфейсе: «Русский», «English», «Определить самому»). Перевод на другой язык не выполняется.
  2. Предварительная обработка звука: фильтр низких частот и выравнивание громкости (включается пользователем, по умолчанию включена).
  3. Автоматическое устранение артефактов распознавания (зацикленных повторов слов и символов) с правилами, зависящими от языка расшифровки.
  4. Применение словаря замен терминов, который ведётся в файле ~/Transcriber/словарь.json (правка через интерфейс не предусмотрена); выполненные замены показываются пользователю вместе с расшифровкой.
  5. Промежуточное сохранение распознанного текста до этапа разметки говорящих: сбой на последующем этапе не приводит к потере текста.

4.3. Разметка говорящих

  1. Автоматическое определение участков речи разных говорящих и сопоставление их с распознанным текстом.
  2. Возможность указать известное число говорящих (от 1 до 20) или поручить его определение Программе.
  3. Возможность отключить разметку говорящих для отдельной записи.
  4. Сборка текста в реплики: склейка подряд идущих фрагментов одного говорящего.
  5. Переименование говорящих по всей расшифровке одним действием, без повторного распознавания.
  6. Цветовая разметка реплик, не меняющаяся при переименовании говорящих.

4.4. Управление обработкой

  1. Очередь задач: записи обрабатываются по одной; пользователь видит место своей задачи в очереди и оценку времени ожидания.
  2. Отображение хода обработки по этапам с оценкой оставшегося времени.
  3. Три варианта остановки обработки: отмена задачи; сохранение распознанного текста без разметки говорящих (на этапе разметки); снятие задачи из очереди.
  4. Подхват состояния задачи после закрытия и повторного открытия страницы.
  5. Расписание работы сервиса: вне заданных рабочих часов новые задачи не принимаются, принятые ранее задачи завершаются (для администратора ограничение не действует).
  6. Журнал нагрузки с итоговой сводкой для администратора.

4.5. Работа с результатами

  1. Список расшифровок с группировкой по датам.
  2. Полнотекстовый поиск по содержимому и названиям расшифровок с подсветкой найденного, фильтр по периоду дат; для администратора — фильтр по автору.
  3. Страница записи: реплики с именами говорящих и временными метками, копирование текста.
  4. Встроенный проигрыватель записи: воспроизведение с выбранной реплики, выделение звучащей реплики.
  5. Пометка в тексте всех чисел с указанием их количества — как мест, требующих сверки с записью.
  6. Выгрузка расшифровки в форматы: текстовый файл (TXT), документ Word (DOCX), субтитры (SRT).
  7. Удаление расшифровки вместе с копией звука — с подтверждением; пользователь удаляет свои записи, администратор — любые.

4.6. Многопользовательский режим и разграничение доступа

  1. Учётные записи пользователей с паролями; вход по имени и паролю.
  2. Две роли: «пользователь» и «администратор».
  3. Разделение истории: пользователь видит, открывает и изменяет только собственные расшифровки и задачи. Запрос к чужой записи обрабатывается так же, как запрос к несуществующей.
  4. Администратор: заводит и удаляет учётные записи, задаёт пароли, настраивает расписание работы, видит все расшифровки и очередь целиком, может остановить чужую задачу (с отдельным подтверждением).
  5. Смена пароля закрывает все сеансы пользователя. Восстановление пароля выполняет администратор.
  6. Восстановление доступа администратора с консоли сервера (ключ --reset-admin) с записью события в журнал.
  7. Запрет открытия сервиса в сеть до заведения первой учётной записи администратора.

4.7. Сведения о программе

Страница «О программе»: версия, правообладатель, используемые модели и их лицензии, авторство сторонних компонентов, вычислительное устройство и место хранения моделей.

4.8. Лицензия

  1. Страница «Лицензия» (пункт бокового меню, доступен с любой страницы): состояние лицензии, тариф и число мест, владелец, дата окончания срока, имя этого компьютера, дата последней проверки.
  2. Активация: ввод лицензионного ключа вида TMBR-XXXX-XXXX-XXXX-XXXX и кнопка «Активировать». Программа передаёт на сервер лицензий ООО «Веб 3.0» (https://tembr.web3-0.ru/api/lic, Российская Федерация) ключ, хэш отпечатка устройства, имя компьютера и номер версии и получает жетон лицензии, подписанный электронной подписью Ed25519. Жетон проверяется локально открытым ключом, встроенным в Программу, и действует только на том компьютере, для которого выпущен. Записи, тексты расшифровок и имена говорящих не передаются.
  3. Место — один компьютер либо одна учётная запись на серверной установке. Серверная установка занимает все места ключа; число учётных записей на ней не превышает числа мест.
  4. Проверка лицензии выполняется автоматически раз в сутки при наличии сети и вручную кнопкой «Проверить сейчас». Без сети последний жетон действует 14 дней.
  5. Отвязка компьютера кнопкой «Отвязать» (с подтверждением): место освобождается на сервере лицензий, ключ можно активировать на другом компьютере, а на этом компьютере новые расшифровки перестают запускаться.
  6. Корпоративная поставка (тариф «Enterprise», для устройств без доступа в интернет): отдельный дистрибутив, собранный правообладателем для конкретного заказчика и выпускаемый только по договору Enterprise. В её составе — файл поставка.json с наименованием заказчика; ввода ключа и проверки лицензии через интернет нет, обращений к сети нет вовсе. Наименование заказчика показывается на странице «Лицензия» («Корпоративная поставка для … по договору Enterprise») и на странице «О программе» рядом с номером версии. Отдельному компьютеру обычной поставки без сети правообладатель в рамках договора может выдать лицензию файлом по коду устройства, который показывает страница «Лицензия».
  7. По истечении срока лицензии (а также без лицензии) новые расшифровки не запускаются, причина сообщается на экране новой расшифровки; список расшифровок, страница записи, плеер, копирование и выгрузка остаются доступны. Продление выполняется тем же ключом.
  8. На серверной установке действия с лицензией (активация, проверка, отвязка, загрузка файла лицензии) доступны только администратору; состояние лицензии видят все вошедшие пользователи.

5. Входные данные и форматы

видформаты
звуковые файлыM4A, MP3, WAV, OGG, OPUS, FLAC, AAC, AIFF
видеофайлы (используется звуковая дорожка)MP4, MOV, MKV, WEBM, AVI

Тип файла определяется по содержимому, а не по расширению. При невозможности прочитать файл Программа сообщает имя файла и перечень поддерживаемых форматов.

Параметры обработки, задаваемые пользователем: язык (русский, английский, определить автоматически); число говорящих; разметка говорящих (вкл./выкл.); предварительная обработка звука (вкл./выкл.). Модель распознавания пользователем не выбирается: применяется модель large-v3, поставляемая в дистрибутиве; при её отсутствии на диске запуск обработки блокируется с пояснением.

6. Выходные данные и форматы

результатформат
расшифровка в Программереплики: говорящий, временная метка, текст
текстовый файлTXT (UTF-8)
документDOCX
субтитрыSRT
хранимая запись расшифровкифайл JSON на диске сервера/рабочей станции
копия звука для проигрывателяM4A (AAC, 64 кбит/с, моно)

7. Режимы работы

7.1. Режим «рабочее место»

Программа устанавливается на компьютер пользователя. Интерфейс открывается в отдельном окне (macOS) или в браузере на том же компьютере. Сервис принимает соединения только с локального адреса (127.0.0.1). Запись выбирается системным окном выбора файла.

7.2. Режим «сервер организации»

Программа устанавливается на сервер организации и работает как служба (на Linux — пользовательская служба systemd с автозапуском и перезапуском при сбое). Пользователи работают через браузер со своих рабочих мест по локальной сети; установка клиентской части не требуется. Открытие сервиса в сеть выполняется администратором явно (ключ --host) и возможно только после заведения учётной записи администратора. Поддерживается работа по протоколу HTTPS с сертификатом организации (ключи --cert, --key) и переадресация с прежнего HTTP-порта (--redirect-from).

8. Многопользовательский режим

См. п. 4.6. Хранение паролей — в виде необратимой свёртки (PBKDF2-HMAC-SHA256, 240 000 итераций, индивидуальная соль). Срок действия сеанса — 14 дней. Минимальная длина пароля — 6 символов. Внешние службы аутентификации не используются.

9. Работа без доступа к сети Интернет

9.1. Веса моделей распознавания речи и разметки говорящих поставляются в составе дистрибутива. При наличии полного комплекта моделей Программа автоматически переходит в автономный режим и не выполняет обращений к внешним сетевым ресурсам.

9.2. Отсутствие исходящих сетевых соединений при работе подтверждено перехватом сетевых соединений на полном цикле обработки записи (чтение файла, распознавание, разметка говорящих, сохранение): обращений во внешнюю сеть — ноль. Порядок проверки — в документе «Описание архитектуры», раздел 7.

9.3. В Программе отсутствуют: проверка и загрузка обновлений, сбор статистики и отчётов об ошибках, обращения к сервисам аналитики, внешние шрифты, библиотеки и сети доставки контента в интерфейсе.

9.3а. Исключение — проверка лицензии (п. 4.8): при активации, раз в сутки и при отвязке Программа обращается по HTTPS к серверу лицензий ООО «Веб 3.0» в Российской Федерации и передаёт только ключ, хэш отпечатка устройства, имя компьютера и номер версии. Без сети жетон лицензии действует 14 дней. Корпоративная поставка (Enterprise) работает без ключа и не обращается к сети вовсе. Для версии с лицензированием это проверено кодом и автотестами: единственный адрес в коде — сервер лицензий (тест test_в_коде_нет_чужих_адресов), тест границы данных проверяет, что уходят только ключ, хэш отпечатка, имя компьютера и версия. При расчёте обращений нет: замер 13.10.2026 на РЕД ОС и Astra Linux при полностью отключённой сети (unshare -n).

9.4. Установка на Linux из архива, содержащего офлайн-склад пакетов (каталог склад/), выполняется без доступа к сети Интернет: интерпретатор Python, все библиотеки и модуль чтения звука поставляются в архиве. Результат проверки установки без сети на поддерживаемых ОС (13.10.2026, сеть отключена unshare -n, установка от обычного пользователя без прав администратора): РЕД ОС 7.3.6 — выполнена за 71 с, Astra Linux SE 1.8.2 «Орёл» — за 34 с; веса моделей взяты из дистрибутива.

10. Ограничения

  1. Результат — черновик для вычитки. Точность распознавания имён собственных, терминов и чисел не гарантируется; числа помечаются для сверки с записью.
  2. Программа не формирует краткое содержание и не выделяет решения совещания.
  3. Обработка выполняется после получения записи; распознавание в реальном времени и подключение к сеансам видеоконференцсвязи не выполняются.
  4. Одновременно обрабатывается одна запись; остальные ожидают в очереди.
  5. Очередь задач не сохраняется при перезапуске Программы; задача, прерванная перезапуском, помечается в истории как прерванная.
  6. Извлечение звука из видео в браузере требует подключения по HTTPS и недоступно в отдельном окне на macOS (в этом режиме запись выбирается с диска и не передаётся по сети).
  7. В составе дистрибутива поставляется одна модель распознавания (large-v3).
  8. Праздничные дни в расписании работы не учитываются.
  9. В режиме рабочего места на macOS системное окно выбора файла не предлагает файлы MKV и OPUS (ограничение фильтра типов файлов операционной системы); в режиме сервера организации ограничение не действует.
  10. Новые расшифровки запускаются только при действующей лицензии (п. 4.8); без сети дольше 14 дней лицензия по ключу перестаёт действовать до ближайшей проверки. На корпоративную поставку (Enterprise) это ограничение не распространяется: срок её использования определяется договором.

11. Системные требования

11.1. Операционные системы

рольОСстатус
сервер организации (основные)Astra Linux Special Edition 1.8 (x86-64)поддерживаемая; проверена 13.10.2026 на 1.8.2 «Орёл» (ядро 6.1.124, glibc 2.36): установка и расшифровка без сети, служба systemd, веб-интерфейс — работают
сервер организации (основные)РЕД ОС 7.3 / 8 (x86-64)поддерживаемая; проверена 13.10.2026 на 7.3.6 (ядро 6.1.143, glibc 2.28): установка и расшифровка без сети, веб-интерфейс — работают; РЕД ОС 8 отдельно не проверялась
сервер / рабочее место (дополнительные)Windows 10/11 x64дополнительная
рабочее место (дополнительные)macOS 13 и новее, Apple Siliconдополнительная
рабочее место пользователя сервералюбая ОС с браузером Chrome, Edge, Firefox или Safari текущих версий—

11.2. Аппаратные требования

минимальнорекомендуется
процессор4 ядра x86-648 ядер
оперативная память8 ГБ16 ГБ
диск (сервер)40 ГБ60 ГБ
диск (рабочее место)15 ГБ20 ГБ
видеокартане требуетсясм. п. 11.3
сетьлокальная сеть организации (режим сервера); для проверки лицензии — доступ по HTTPS к tembr.web3-0.ru хотя бы раз в 14 дней (не требуется для корпоративной поставки Enterprise)—

Объём диска сервера определяется также объёмом принимаемых записей и хранимых расшифровок.

11.3. Вычислительное устройство

Штатный режим расчёта — на центральном процессоре. Все функции Программы доступны без видеокарты.

Ускорение расчёта на видеокартах NVIDIA (рекомендуется от 8 ГБ видеопамяти) является опцией окружения заказчика: драйвер NVIDIA и библиотеки CUDA в поставку Программы не входят и устанавливаются заказчиком самостоятельно. При их наличии Программа использует видеокарту автоматически. На macOS (Apple Silicon) используется встроенный графический процессор.

12. Показатели

Приводятся только измеренные значения с указанием условий измерения.

показательзначениеусловия
потеря смысла относительно стенограммы, выполненной человеком11,5 % слов эталоназапись заседания 158 мин, 19 говорящих, эталон 19 075 слов; 28.07.2026
верно атрибутированные слова при разметке говорящих88,2 %та же запись; 19 меток Программы соответствуют 19 участникам
искажённые по значению числовые значения6 % числовых токеновта же запись
время расчёта на процессоре≈ 1,7 × длительности записи (распознавание 0,78×, разметка говорящих 0,91×)Apple M4, запись 5 мин, модель large-v3; 25.09.2026
время расчёта на графическом процессоре≈ 0,32 × длительности записи (0,19× + 0,13×)Apple M4, те же условия; 25.09.2026
время расчёта на видеокарте NVIDIAзаметно быстрее процессора; точный замер для версии 1.0.0 не проводилсяWindows-сервер с RTX 3080, 05.08.2026
извлечение звука из видео в браузеревидео 30,6 МБ (2 мин) → 3,7 МБ за 2 с; около 60× реального времени05.08.2026
время расчёта на типовом офисном компьютере x86-64 без видеокартыотдельно не замерялось; ориентир — облачный сервер с 4 vCPU x86-64: ≈ 2,5 × длительности записи (строка ниже)—
время расчёта на Astra Linux SE 1.8 и РЕД ОС≈ 2,5 × длительности записи: запись 41,0 с — 104,3 с (РЕД ОС 7.3.6) и 105,5 с (Astra Linux SE 1.8.2); результат на обеих ОС совпал слово в словооблачный сервер Рег.облака, 4 vCPU Intel Xeon (Cascadelake), 4 ГБ ОЗУ + 4 ГБ подкачки; модель large-v3, разметка говорящих, процессор, без сети; 13.10.2026