yandex-stt: длинные записи в текст через SpeechKit
yandex-speechkit-talk-recognition
Консольная утилита на Node.js, которая переводит длинные аудиозаписи разговоров в текст через асинхронное распознавание Yandex SpeechKit
- 6 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Запись разговора уходит в Yandex Object Storage, в нем могут быть персональные данные
- Ключи сервисного аккаунта хранятся в config.js на диске
Установка
- Сервисы
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/yandex-speechkit-talk-recognitionОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Запись разговора уходит в Yandex Object Storage, в нем могут быть персональные данные
- Ключи сервисного аккаунта хранятся в config.js на диске
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Команда yandex-stt принимает файл с голосом и проходит четыре шага: конвертирует его в OGG Opus через ffmpeg, заливает в Yandex Object Storage, отправляет на распознавание длинного аудио и опрашивает результат раз в десять секунд. Данные сохраняются в каталоге ~/yandex-stt/. Для работы нужен сервисный аккаунт с API-ключом и статический ключ с идентификатором и секретом, их вписывают в config.js. В пакете есть и серверный режим на Express с загрузкой файлов.
Для кого. Разработчики и аналитики, которые расшифровывают записи звонков и встреч и могут запускать CLI из терминала агента.
Подходит, если
- Есть длинные записи разговоров на русском, которые надо превратить в текст
- Подходит отложенное распознавание: оно дешевле, около 15 копеек за минуту по данным README
- Агент должен запускать расшифровку командой из терминала и забирать готовый текст из каталога
- Результат нужен текстовым файлом, который агент потом разберет или суммирует
Не подходит, если
- Нужно распознавание в реальном времени: утилита работает с файлами и опрашивает результат
- Запись нельзя загружать в облако Яндекса: файл уходит в Object Storage
- Нужен MCP-сервер или скилл: у проекта только CLI и серверный режим
Пример запроса к агенту
Расшифруй запись созвона из файла call.mp3 через yandex-stt и покажи текстОграничения
Проект не знает про агентов: это обычная CLI-утилита, агенту придется запускать ее командой. Нужен ffmpeg версии 4.x, аккаунт Yandex Cloud и платное распознавание. Файл уходит в Yandex Object Storage. Зависимости в package.json старые, например axios 0.21, лицензия ISC. Шесть звезд, один автор, последний коммит в октябре 2026 года. В README нет описания формата результата и обработки ошибок, а список задач включает права на файлы и правку распознанного текста, то есть часть функций не готова. Проект описывает и серверный режим на Express, но в README он не документирован.
Как отключить. Удалите пакет командой npm uninstall -g yandex-speechkit-talk-recognition, удалите каталог ~/yandex-stt/ и отзовите ключи сервисного аккаунта.
Частые вопросы
Сколько стоит распознавание?
По README отложенное распознавание стоит около 15 копеек за минуту, то есть примерно 10 рублей за час, актуальные цены на странице тарифов Yandex Cloud.
Какие зависимости нужны?
Node.js, ffmpeg версии 4.x (3.4 не подойдет), сервисный аккаунт Yandex Cloud и статический ключ для Object Storage.
Куда сохраняется результат?
В каталог ~/yandex-stt/ в профиле пользователя.
Нужен ли ключ Yandex Cloud?
Да, нужны сервисный аккаунт с API-ключом и статический ключ с идентификатором и секретом для Object Storage.
Какой формат входного файла?
Любой, который читает ffmpeg: утилита сама конвертирует файл в OGG Opus перед загрузкой.
Обсуждение
Вопросов и отзывов пока нет.
Скилл и скрипты для расшифровки аудио через Yandex SpeechKit: подготовка записи, загрузка в Object Storage и асинхронное распознавание v3
Скилл с двумя скриптами: текст в голосовое сообщение .ogg и голосовое в текст через Яндекс SpeechKit, с десятью голосами и тремя эмоциями
Четыре однофайловых MCP-сервера для YandexGPT, распознавания текста, синтеза речи SpeechKit и поиска Яндекса
Надежный сборщик Yandex Wordstat
Yandex Wordstat Collector
CLI-сборщик частот Yandex Wordstat с восстановлением после сбоев: null-результат никогда не считается завершенными данными
Набор MCP-серверов и скиллов для ассистента OpenClaw: YandexGPT, распознавание текста, синтез речи и генерация изображений
Yandex Object Storage: MCP, CLI и скилл для S3 Яндекс Облака
yandex-s3-mcp-ai-cli
Один бинарь на Go: MCP-сервер, CLI и скилл для S3 Яндекс Облака, по умолчанию только чтение, запись и удаление включаются флагами
Коротко о README
README коротко описывает четыре шага, зависимость от ffmpeg, запуск командой yandex-stt, стоимость отложенного распознавания и список задач на доработку.