---
title: "Что такое временные метки слов и сегментов в ASR? | BroadRouter"
description: "Временные метки ASR показывают, когда было произнесено каждое слово или сегмент. Метки слов и сегментов, как их отдают API и что делать, если API вернул лишь текст."
url: https://broadrouter.com/ru/glossary/timestamps-asr/
lang: ru
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/glossary/timestamps-asr/) (обновлён 2026-11-16).

# Временные метки в распознавании речи (timestamps)

Обновлено 2026-11-16

Временные метки в распознавании речи — это время начала и конца в секундах, привязанное к частям расшифровки. Метки сегментов охватывают фразу или предложение, метки слов — каждое слово. Они нужны для субтитров, поиска внутри записей и сопоставления текста с говорящими.

Также называют: временные метки, таймкоды, тайм-коды, метки времени слов, пословные временные метки, word timestamps, word-level timestamps, segment timestamps, timestamp\_granularities, ASR timestamps

Расшифровка говорит, что было сказано; временные метки — где в записи это найти.

## Как это работает

Большинство систем ASR предлагают два уровня:

-   **Уровень сегментов.** Один интервал на фразу, например `{"text": " Hi there!", "timestamp": (0.5, 1.5)}`.
-   **Уровень слов.** Один интервал на слово, например `hi` с 0,5 до 0,9 с и `there` с 1,0 до 1,5 с.

ASR-пайплайн Hugging Face даёт оба уровня через `return_timestamps`: `True` возвращает сегменты для Whisper, `"word"` — слова, а CTC-модели, например Wav2Vec2, поддерживают ещё и `"char"`. Результаты приходят в виде `chunks`, у каждого есть `text` и кортеж `(start, end)`. В документации отмечено, что время слов у Whisper оценивается динамической трансформацией времени (DTW) по весам cross-attention — это приближение, а не измерение.

Облачные API следуют той же схеме. Руководство OpenAI по распознаванию речи описывает `timestamp_granularities[]` со значениями `word` или `segment` в паре с `response_format: "verbose_json"` и описывает это только для устаревшей модели `whisper-1`, которую существующие интеграции могут использовать до её отключения 26 февраля 2027 г.

```bash
curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model=whisper-1 -F file=@call.mp3 \
  -F response_format=verbose_json \
  -F "timestamp_granularities[]=word"
```

## Почему это важно

-   **Субтитры.** В файлах SRT и VTT для каждой строки титра нужны начало и конец.
-   **Поиск и проверка.** Специалист по контролю качества может перейти к секунде, где начинается жалоба, а не слушать весь звонок; см. статью [о транскрибации записей колл-центра](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/).
-   **Смена говорящих.** Расшифровку объединяют с результатом [диаризации](https://broadrouter.com/ru/glossary/diarization/), сопоставляя время.
-   **Размер данных.** Вывод с метками слов намного длиннее простого текста, а это важно, если потом вы отправляете его в LLM в виде [токенов](https://broadrouter.com/ru/glossary/token/).

## В BroadNet Inference

В документации BroadNet временные метки не описаны. `/v1/audio/transcriptions` возвращает расшифровку как `{"text": "..."}`, и параметр `timestamp_granularities` не указан. Метаданные `/v1/models` у BroadNet (проверено 2026-11-15) перечисляют `verbose_json` среди форматов ответа, но нигде не сказано, что в нём есть время сегментов или слов, так что проверьте это, прежде чем на него полагаться. Для грубого тайминга режьте аудио сами, например по паузам, найденным [детектором речевой активности (VAD)](https://broadrouter.com/ru/glossary/vad/), или на фрагменты фиксированной длины, и записывайте смещение начала каждого фрагмента. Текст фрагмента наследует это смещение. Так получается тайминг на уровне предложений — достаточно, чтобы перемещаться по звонку, но не для субтитров с точностью до кадра. Передавайте `language` с каждым фрагментом в [BroadNet Transcribe Arabic](https://broadrouter.com/ru/models/cohere-transcribe-arabic/) или [BroadNet Transcribe](https://broadrouter.com/ru/models/cohere-transcribe/). Если тайминг на уровне слов обязателен, используйте элайнер или модель, в документации которой он описан.

## Вопросы и ответы

### Чем временные метки слов отличаются от меток сегментов?

Метка сегмента даёт одно время начала и конца для фразы из одного или нескольких слов. Метка слова даёт интервал для каждого слова — это нужно редакторам субтитров и поисковым инструментам.

### Возвращает ли API транскрибации BroadNet временные метки?

Временные метки не задокументированы. Ответ — только {"text": ...}, поэтому, если нужен примерный тайминг, режьте аудио на фрагменты и запоминайте смещение каждого.

### Как сделать субтитры без временных меток слов?

Разрежьте аудио на короткие фрагменты по паузам, транскрибируйте каждый и используйте смещения начала и конца фрагмента как время титра. Это даёт тайминг на уровне фраз — достаточно для многих файлов субтитров, но без точности до кадра.

## См. также

-   [Распознавание речи (speech-to-text)](https://broadrouter.com/ru/glossary/speech-to-text/) (термин)
-   [Диаризация дикторов (speaker diarization)](https://broadrouter.com/ru/glossary/diarization/) (термин)
-   [Детекция речевой активности (VAD)](https://broadrouter.com/ru/glossary/vad/) (термин)
-   [Частота дискретизации (sample rate)](https://broadrouter.com/ru/glossary/sample-rate/) (термин)
-   [Субтитры SRT (SRT subtitles)](https://broadrouter.com/ru/glossary/srt-subtitles/) (термин)
-   [API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/) (руководство)
-   [Транскрибация записей колл-центра: конвейер с поддержкой арабского](https://broadrouter.com/ru/blog/transcribe-call-center-recordings/) (статья)
-   [Альтернатива Whisper API: когда переходить и как её протестировать](https://broadrouter.com/ru/blog/whisper-api-alternative/) (статья)
-   [Арабские субтитры (SRT) из API распознавания речи: что нужно](https://broadrouter.com/ru/blog/arabic-subtitles-srt-api/) (статья)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-timestamps-asr&utm_content=page-cta) ·

**Источники**

-   [OpenAI, руководство по распознаванию речи (timestamp\_granularities) (проверено 2026-11-16)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Hugging Face Transformers, пайплайны (return\_timestamps в ASR) (проверено 2026-11-16)](https://huggingface.co/docs/transformers/main_classes/pipelines)
-   [Справочник API BroadNet Inference, ответ транскрибации (проверено 2026-11-16) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-timestamps-asr&utm_content=sources)
