WAV в текст

Почему WAV — хороший материал для расшифровки

WAV хранит звук без сжатия: всё, что уловил микрофон, остаётся в файле. Для распознавания речи это плюс — согласные чётче, тихие реплики не «съедены» кодеком. Поэтому журналисты, исследователи и видеографы, которые пишут интервью на рекордер или петличку, получают из WAV обычно самый аккуратный текст.

Обратная сторона — размер. Минута стерео в 16 бит и 44,1 кГц занимает около 10 МБ, час — около 600 МБ, а в 24 бит и 48 кГц ещё больше. Отправлять такой файл целиком не нужно: браузер на вашем устройстве сам сжимает звук, и на сервер уходит в разы меньше данных.

Откуда взять WAV-файл

• портативный рекордер: подключите его к компьютеру кабелем или вставьте карту памяти в картридер — записи лежат в папке с названием вроде RECORD или FOLDER01;
• беспроводная петличка с записью на передатчик: скопируйте файлы через приложение производителя или по кабелю;
• аудиоинтерфейс и программа записи (Audacity, Reaper, GarageBand и другие): сохраните дорожку через «Экспорт» в WAV или MP3;
• видеокамера, которая пишет звук отдельным файлом, — тоже подойдёт, как и само видео MP4 или MOV.

Как расшифровать WAV

• перетащите файл в поле выше или выберите его через кнопку;
• укажите язык и сколько человек говорит — для интервью это обычно двое;
• первые 3 минуты расшифруются бесплатно: по ним видно, как распознаётся ваш микрофон;
• если качество устраивает, оплатите остаток — 2 ₽ за минуту, сумма видна до оплаты;
• через несколько минут получите текст с репликами, временем и готовым оформлением.

Советы для записей с петличек и нескольких микрофонов

Если у каждого собеседника своя петличка и рекордер пишет их в отдельные файлы или каналы, для расшифровки лучше взять общий микс, где слышны оба голоса. Тогда система разделит реплики по спикерам в одном тексте. Отдельный файл одного микрофона расшифруется как монолог — второй голос будет тише и распознается хуже.

Если запись сделана с запасом по громкости и речь звучит очень тихо, поднимите уровень в любом аудиоредакторе и экспортируйте заново — при сильной тишине часть слов может потеряться. Музыку и шумоподавление с агрессивными настройками лучше не накладывать: они искажают голос.

Проверьте имена, названия и термины: в них чаще всего ошибается любая автоматическая расшифровка. Кликните по времени реплики — запись начнёт играть с нужного места.

Что получится

Готовый текст с пунктуацией и абзацами, реплики по спикерам, исходный вариант «Как распознано» для сверки. Скачать можно в Word (DOCX), TXT, субтитры SRT или HTML. Час интервью с рекордера обойдётся в 114 ₽ и расшифруется примерно за 4 минуты.

WAV для видео: как не сбить время субтитров

При съёмке интервью звук часто пишут отдельно на рекордер, а потом сводят с картинкой в монтажной программе. Время реплик в расшифровке отсчитывается от начала того файла, который вы загрузили. Если рекордер включили раньше камеры, время в тексте из исходного WAV не совпадёт с итоговым роликом.

Поэтому для текста и цитат берите исходный WAV — в нём звук лучше. А для субтитров SRT загружайте уже смонтированное видео MP4 или MOV: звук извлечётся в браузере, и время субтитров совпадёт с роликом.

Некоторые рекордеры параллельно пишут страховочную копию с пониженной громкостью — она нужна на случай перегруза. Для расшифровки выбирайте основной файл; страховочный пригодится, только если в основном слышны хрипы и искажения на громких фразах.

Если запись длиннее 4 часов — например, целый день конференции, — разрежьте её в аудиоредакторе на части по докладам и расшифруйте по отдельности. Так и тексты удобнее: один доклад — один документ.