# Запись еды голосом: теряется ли точность?

18 июля 2026 · Подсчёт калорий · 8 мин чтения · https://burnweek.fit/ru/blog/voice-logging-food-accuracy/

> Микрофон никогда не был трудной частью. Голосовое приложение может безупречно записать «тарелка пасты» и всё равно не знать, съели вы 300 калорий или 600.

**Главное**

- Запись голосом примерно так же точна, как набор тех же слов: оба способа дают ИИ описание, и энергия голосового дневника совпала с эталонным 24-часовым воспоминанием (2092 против 2030 ккал; Taylor 2021).
- «Точность 95%» — это распознавание речи, а не калории: одно исследование измерило точность перевода речи в текст в 95,40% (Sung 2026) — это правильно услышанные слова, а не знание, была «тарелка» на 300 или на 600 ккал.
- Ограничитель — порции, и им всё равно, как вы записываете: в голосовой системе порцию приходилось исправлять в 27,9% случаев, а сам продукт — лишь в 8,1% (Taylor 2021).
- Настоящее преимущество голоса — регулярность: записывающие голосом фиксировали в 1,7 раза больше приёмов пищи и бросали гораздо реже (11% против 56%), чем те, кто печатал (Chikwetu 2023), а результаты предсказывает частота, а не точность.
- Запись голосом в моменте ещё и уменьшает ошибку воспоминания по сравнению с записью по памяти позже (Maugeri 2019). Оставшаяся неясность — как раз то, для чего нужен диапазон.

## Микрофон никогда не был слабым звеном

Записать еду голосом примерно так же точно, как напечатать те же слова, — и ошибается или попадает этот способ ровно в том же месте. Оба метода передают ИИ *описание*, а точность оценки еды живёт в описании, а не в том, сказали вы его или набрали большим пальцем. Распознавание речи записывает слова о еде с точностью около 95 процентов ([Sung et al., 2026](https://aging.jmir.org/2026/1/e81336)), а когда систему записи на естественном языке проверили по эталонному 24-часовому воспоминанию, итоговая энергия оказалась статистически неотличимой: в среднем 2092 против 2030 калорий в день ([Taylor et al., 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/)). Слова доходят без проблем.

Голос меняет не точность, а *регулярность*: он быстрее и требует меньше усилий, поэтому больше приёмов пищи действительно оказывается записано, — а с результатами связано то, как часто вы записываете, а не насколько точно. Поэтому честный ответ на вопрос «теряет ли голос точность?» такой: по сравнению с набором текста он её не теряет и не приобретает, но тихо решает проблему, которая на самом деле топит дневники питания, — приёмы пищи, которые вообще не попали в запись. Эта статья разделяет три вещи, которые делает голосовая запись: слышит вас, понимает продукт и определяет порцию, — потому что трудна только одна из них, и это не та, о которой волнуются.

## Цифра «95% точности» измеряет не то

Голосовые трекеры еды рекламируют показатели точности, и в ходу «95 процентов». Стоит точно понимать, что это за число, потому что оно не о том, о чём кажется. Там, где такую цифру можно проследить до настоящего исследования, она означает точность *распознавания речи* — долю произнесённых слов, которые система записала правильно. При проверке инструмента оценки питания на основе распознавания речи средняя точность распознавания составила 95,40 процента ([Sung et al., 2026](https://aging.jmir.org/2026/1/e81336)). Это измеряет, услышало ли приложение «тарелка пасты». Это ничего не говорит о том, сколько в тарелке пасты — 300 калорий или 600.

Это две разные машины с двумя разными задачами, и почти решена только первая. Подсказка в том, что системе на естественном языке приходится исправлять. Когда исследователи собрали правки, которые пользователи вносили в приложение для еды, понимающее обычную речь, *распознавание продукта* по умолчанию приходилось менять лишь в 8,1 процента случаев, а *размер порции* — в 27,9 процента ([Taylor et al., 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/)). Машина надёжно знает, *что* вы съели. Исправлять её постоянно просят в том, *сколько*.

> Голосовое приложение может безупречно записать «тарелка пасты» и всё равно не знать, съели вы 300 калорий или 600. Трудной частью был не микрофон, а тарелка.

## Ограничитель — порции, и им неважно, как вы записали

Вот почему голос не может спасти точность калорий — и не может ей навредить: оценка порции — это проблема *описания*, одинаковая для любого способа ввода. «Горсть орехов» — одинаково размытое количество, скажете вы его, напечатаете или сфотографируете. Слово несёт диапазон, и диапазон широкий.

| Шаг голосовой записи | Насколько хорошо работает | Данные |
| --- | --- | --- |
| Услышать слова | ~95% точности распознавания | [Sung 2026](https://aging.jmir.org/2026/1/e81336) |
| Назвать продукт | редко требует исправлений (~8% правок) | [Taylor 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/) |
| Определить порцию | часто требует исправлений (~28% правок) | [Taylor 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/) |
| Вообще попасть в запись | в 1,7 раза чаще, чем при наборе | [Chikwetu 2023](https://pmc.ncbi.nlm.nih.gov/articles/PMC10230351/) |

Строка о порциях — тот же ограничитель, что управляет любым другим методом. Оценка количества на глаз без весов — самая большая и упрямая ошибка в учёте еды ([оценка порций без весов](/blog/how-to-estimate-calories-without-scale) объясняет почему), и фото приёма пищи упирается в ту же стену: современные системы правильно узнают еду на тарелке и ошибаются в её количестве ([насколько точны ИИ-счётчики калорий по фото](/blog/how-accurate-are-ai-photo-calorie-counters)). Голос наследует эту проблему целиком и ничего к ней не добавляет и не убавляет. Решение одинаково для любого способа: назовите число, если оно у вас есть, — «150 граммов варёной пасты» лучше, чем «тарелка», — потому что конкретная порция — единственное, что действительно сужает оценку.

## Где голос действительно выигрывает: приём пищи попадает в запись

Если по точности одного приёма пищи голос — ничья, зачем им пользоваться? Потому что самая большая ошибка любого дневника — не неправильно оценённый приём пищи, а тот, который вы так и не внесли, и голос измеримо сокращает их число. В 28-дневном сравнении голоса и текста участники голосовой группы сделали в 1,7 раза больше отдельных записей и были активны в 1,5 раза больше дней, а выбыло из них только 11 процентов против 56 процентов в текстовой группе ([Chikwetu et al., 2023](https://pmc.ncbi.nlm.nih.gov/articles/PMC10230351/)). Восемьдесят три процента согласились, что запись речью без рук облегчила поддержание привычки.

Второй, более тонкий выигрыш в точности прячется в том, *когда* используется голос. Говорить быстро, поэтому голос побуждает записывать в моменте, а не восстанавливать день по памяти перед сном, — а запись в реальном времени уменьшает ошибку воспоминания, которая подтачивает ретроспективные записи, и повышает регулярность ([Maugeri & Barchitta, 2019](https://pmc.ncbi.nlm.nih.gov/articles/PMC6893429/)). Оба эффекта направлены в одну сторону, и это важно, потому что данные об учёте питания вознаграждают частоту, а не точность: изменение веса предсказывает число дней с записями, а не точность какой-либо отдельной записи (этот вывод разобран в статье [как считать калории](/blog/how-to-count-calories)). Грубая запись, которая есть, лучше точной, которой нет.

Одна оговорка сохраняет пропорции. Даже в исследовании, построенном вокруг устного ввода, большая часть продуктов всё же вводилась текстом, а не голосом: 71,6 процента письменно против 28,4 процента устно ([Taylor et al., 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/)). Голос — ситуативный инструмент, к которому тянутся, когда руки заняты или печатать неудобно, а не полная замена клавиатуры. Его ценность в том, что он убирает трение именно в те моменты, которые набор текста потерял бы.

## Так теряет ли голос точность?

Нет, по сравнению с реалистичной альтернативой — напечатать то же описание или вообще не записать приём пищи. Голос меняет почти решённый шаг распознавания речи на реальное снижение нагрузки от записи, а единственную трудную проблему — размер порции — переносит без изменений, потому что она никогда не зависела от способа ввода. Ошибка калорий в голосовой записи — это ошибка порции в новом пальто.

Именно поэтому результат должен быть диапазоном. Размытое устное «тарелка пасты» заслуживает широкой полосы, а точное «150 граммов, варёная» — узкой, и хороший инструмент показывает эту разницу, вместо того чтобы печатать для обоих одну и ту же уверенную цифру. Это те же рассуждения, что объясняют, [почему калории — это диапазоны](/blog/why-calorie-counts-are-ranges), и та же логика, что задаёт потолок того, [насколько точным может быть подсчёт калорий](/blog/how-accurate-is-calorie-counting), как бы вы ни вводили еду. Наговаривайте приёмы пищи, если так они попадают в запись; называйте порцию, когда можете, и смотрите на ширину, когда не можете. Если важна скорость, более широкий довод в пользу быстрой и частой записи — в статье [как считать калории, когда нет времени](/blog/how-to-track-calories-when-busy).

## Частые вопросы

### Запись еды голосом менее точна, чем набор текста?

Нет. Оба способа дают ИИ описание, поэтому точность — в словах, а не в способе ввода: итоговая энергия голосового дневника совпала с эталонным 24-часовым воспоминанием (2092 против 2030 ккал, P = 0,70) ([Taylor et al., 2021](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/)). Преимущество голоса не в точности отдельного приёма пищи, а в том, что приёмы пищи чаще оказываются записаны ([Chikwetu et al., 2023](https://pmc.ncbi.nlm.nih.gov/articles/PMC10230351/)).

### Что значит «точность 95%» у голосового трекера еды?

Обычно распознавание речи, а не калории. Одна проверка измерила точность перевода речи в текст в 95,40 процента ([Sung et al., 2026](https://aging.jmir.org/2026/1/e81336)) — долю правильно распознанных произнесённых слов. Это утверждение о том, что приложение услышало «горсть орехов», а не о том, была ли горсть 20 граммов или 40. Ошибку калорий задаёт порция, а распознавание речи её не касается.

### Помогает ли запись голосом не бросить учёт?

Данные указывают на это. Записывающие голосом фиксировали в 1,7 раза больше приёмов пищи и бросали гораздо реже — 11 процентов против 56 — чем те, кто печатал ([Chikwetu et al., 2023](https://pmc.ncbi.nlm.nih.gov/articles/PMC10230351/)), а запись в реальном времени уменьшает ошибку воспоминания при записи по памяти ([Maugeri & Barchitta, 2019](https://pmc.ncbi.nlm.nih.gov/articles/PMC6893429/)). Поскольку частота записи предсказывает результаты, именно этот выигрыш в регулярности и окупает голос.

## Источники

- [Taylor SA, Korpusik M, Das S, Gilhooly C, Simpson R, Glass J, Roberts S. Use of natural spoken language with automated mapping of self-reported food intake to food composition data for low-burden real-time dietary assessment: method comparison study. J Med Internet Res. 2021.](https://pmc.ncbi.nlm.nih.gov/articles/PMC8691405/)
- [Sung Y, Jung S, Kang HJ, Moon SY, Jeong JH, Choi SH, Lee EH, Park YK. Speech recognition-based dietary assessment tool for older adults: validation and usability study. JMIR Aging. 2026.](https://aging.jmir.org/2026/1/e81336)
- [Chikwetu L, Daily S, Mortazavi BJ, Dunn J. Automated diet capture using voice alerts and speech recognition on smartphones: pilot usability and acceptability study. JMIR Form Res. 2023.](https://pmc.ncbi.nlm.nih.gov/articles/PMC10230351/)
- [Maugeri A, Barchitta M. A systematic review of ecological momentary assessment of diet: implications and perspectives for nutritional epidemiology. Nutrients. 2019.](https://pmc.ncbi.nlm.nih.gov/articles/PMC6893429/)

Источник: BurnWeek, «Запись еды голосом: теряется ли точность?», https://burnweek.fit/ru/blog/voice-logging-food-accuracy/. Лицензия CC BY 4.0: можно свободно цитировать и использовать повторно со ссылкой на эту страницу.
