Нейросеть: аудио в текст

Что происходит с записью по шагам

От вас нужно только выбрать файл и язык: сумма видна до оплаты, а текст появляется на той же странице через несколько минут. Устанавливать программы и регистрироваться не нужно — всё работает в браузере на телефоне и компьютере.

• браузер готовит звук: если вы загрузили видео, звуковая дорожка извлекается прямо на вашем устройстве — само видео никуда не отправляется;
• распознавание: звук уходит на серверы в России, и нейросеть превращает речь в слова, отмечая время каждой реплики;
• разделение голосов: система различает говорящих по звуку и подписывает реплики «Спикер 1», «Спикер 2»;
• доводка текста: пунктуация, абзацы, числа и даты «как принято» — так получается «Готовый текст»; в полной расшифровке роли подписываются по смыслу — «Интервьюер», «Кандидат» или имена;
• удаление: звук удаляется сразу после расшифровки, текст хранится по ссылке 24 часа.

Два варианта текста — и зачем нужен второй

«Готовый текст» удобно читать: знаки препинания, абзацы, суммы и даты записаны так, как пишут в документах. «Как распознано» — то, что система услышала до доводки. Доводка делает текст удобным, но это ещё один шаг, где возможна неточность: например, число, записанное цифрами, стоит сверить с тем, как его услышала система. Если в готовом тексте фраза выглядит странно, сравните её с распознанной и послушайте запись — клик по времени реплики включит её с нужного места.

Текст можно исправить прямо на странице, а потом скопировать одной кнопкой или скачать в DOCX, TXT, SRT или HTML.

Чего ждать от нейросети

На чистой записи, где говорят по очереди и близко к микрофону, текст получается почти без ошибок. Но нейросеть слышит только звук и не знает контекста вашей встречи. Поэтому ошибки предсказуемы, и заранее понятно, где их искать:

• шум, музыка, эхо и далёкий микрофон — часть слов распознаётся неверно или пропадает;
• одновременная речь — реплики перемешиваются;
• редкие имена, фамилии, названия и узкие термины — могут записаться похожими обычными словами;
• три и более похожих голоса — часть реплик может попасть не тому спикеру; уверенно различаются двое.

Где обязательно проверять результат

Не обязательно перечитывать весь текст: пройдитесь поиском по ключевым словам и цифрам и проверьте их по времени реплик.

• имена, названия компаний и продуктов — сверьте с вариантом «Как распознано» и по записи;
• цифры, суммы и сроки — особенно если по ним будут принимать решения;
• цитаты, которые пойдут в публикацию, отчёт или работу;
• подписи спикеров в разговоре троих и больше — переименуйте и при необходимости объедините;
• места, где говорили одновременно или рядом шумело, — там ошибки вероятнее всего.

Когда нейросеть справляется лучше всего

Если запись не идеальная, это не повод отказываться от расшифровки: даже с ошибками текст позволяет быстро найти нужное место, а спорные фразы вы проверите по времени реплик.

• говорят один-два человека и не перебивают друг друга;
• микрофон рядом с говорящим — телефон на столе, гарнитура, петличка;
• тихое помещение без музыки и телевизора;
• язык записи выбран в списке, если вы его точно знаете;
• запись целиком на одном языке, без длинных фрагментов на другом.

Сколько времени и денег это стоит

Час записи нейросеть расшифровывает примерно за 4 минуты, полтора часа — за 6–7 минут. Записи — до 4 часов, 15 языков и автоопределение. Первые 3 минуты любой записи бесплатно — сразу видно, как нейросеть справится именно с вашим файлом. Дальше — 2 ₽ за минуту, минимальный платёж — 20 ₽, часовая запись — 114 ₽. Регистрация и подписка не нужны.