Конфиденциальность прежде всего
Загруженные файлы автоматически и безвозвратно удаляются в течение двух часов.
Автоматическое удаление
Речь в PDF
Диктуйте диктанты, закадровый текст, конспекты лекций, ответы на интервью или короткую озвучку прямо в браузере либо загрузите запись — и получите текст в виде PDF документа. Распознавание выполняется с помощью Whisper, модели распознавания речи с открытым исходным кодом, на наших собственных серверах — примерно для 100 языков, которые определяются автоматически.
-
Запишите: говорите в диктофон браузера — до 30 минут за одну запись — или загрузите MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Расшифровка: Whisper записывает речь с пунктуацией; при необходимости отмечает смену говорящих в интервью и на встречах. Результат: документ PDF.
-
Конфиденциально: ничего не загружается, пока вы не подтвердите. Аудиофайл и расшифровка автоматически удаляются после обработки, не позднее чем через несколько часов.
Расшифровка
Как работает преобразование речи в PDF
Страница объединяет встроенный в браузер диктофон с серверной системой транскрибации на GPU. Для записи используется интерфейс MediaRecorder, встроенный в Chrome, Firefox, Edge и Safari; распознавание выполняет Whisper — модель с открытым исходным кодом, опубликованная OpenAI и работающая на нашем собственном оборудовании, а не через сторонний API.
Как использовать Converter App
1
Запишите или загрузите
Нажмите «Записать с помощью микрофона», один раз разрешите доступ и говорите. Таймер и индикатор уровня подтвердят, что звук поступает. Или загрузите готовую запись — подойдут голосовые заметки с любого телефона.
2
Проверьте и начните
Прослушайте запись в диалоговом окне. Включите «Определять нескольких говорящих» для интервью и встреч (функция отмечает, кто говорит, но работает заметно дольше). Затем запустите расшифровку.
3
Скачать расшифровку
Ход выполнения отображается во время работы модели; обработка нескольких минут речи обычно занимает значительно меньше минуты. Скачайте PDF документ со страницы результатов.
Ключевые возможности
В основе — Whisper
Whisper обучен на 680 000 часов многоязычных аудиозаписей и значительно лучше, чем системы диктовки несколькихлетней давности, распознаёт акценты, фоновый шум и техническую лексику. Язык определяется автоматически.
Определение говорящего по запросу
Для разговоров дополнительная функция определения говорящих отмечает смену говорящего в расшифровке. Она примерно вдвое увеличивает время обработки, поэтому по умолчанию отключена.
PDF на выходе, который соответствует вашему рабочему процессу
Расшифровка сначала создаётся в виде текста, а затем оформляется в PDF с помощью LibreOffice — обычный документ, готовый к печати, с выделяемым текстом, без сканов и изображений.
Бесплатно и конфиденциально
Без учётной записи, водяных знаков и ограничений пробного периода. Запись не покидает ваше устройство до подтверждения, а аудио и расшифровка автоматически удаляются после обработки.
Опыт и конфиденциальность
Создано для надежных рабочих процессов транскрибации.
Разработано инженерами с более чем 10-летним опытом в области крупномасштабной инфраструктуры, систем обработки данных и научных вычислений. Создано для реальных аудиопроцессов, где важны конфиденциальность, надежная обработка и практичность использования.
Нам доверяют пользователи
Оценка 5 звезд на Trustpilot за скорость, надежность и удобство использования.
Доверие пользователей
Для академического использования
Упоминается в опубликованных исследованиях и используется для транскрибации интервью и качественного анализа данных.
Использование в исследовательских целях
Как речь преобразуется в PDF на этой странице
Ваш браузер записывает звук с микрофона в формате Opus (Chrome, Firefox, Edge) или AAC (Safari) и хранит его в памяти. После подтверждения файл загружается по HTTPS на один из наших серверов распознавания речи.
Там ffmpeg декодирует аудио, а Whisper — модель распознавания речи с открытым исходным кодом — за один проход преобразует его в текст, включая знаки препинания и разделение на предложения. Если включено определение говорящих, модель диаризации сначала разделяет аудио по говорящим, а расшифровка получает соответствующие пометки.
Сначала расшифровка записывается как текст, а затем с помощью LibreOffice оформляется в PDF — простой документ для печати с выделяемым текстом, без сканов и изображений. На странице результата можно скачать файл; аудио и расшифровка затем удаляются автоматически.
Советы по записи, которые важнее любых настроек
Качество распознавания речи напрямую зависит от аудиозаписи. Наибольшее значение имеют три фактора: расстояние, шум и наложение голосов. Держите микрофон на расстоянии 10–20 см от рта: телефон, расположенный близко, даст лучший результат, чем ноутбук на другом конце стола. Выключите вентиляторы, закройте окно и избегайте помещений с сильным эхом.
Говорите в обычном темпе и заканчивайте предложения: модель использует контекст, поэтому незаконченные фразы и слова-паразиты дают худший текст, чем немного более медленная, но связная речь. Во время интервью попросите участников не говорить одновременно: наложение речи — самый сложный случай для любой системы распознавания.
Перед началом прослушайте предпросмотр. Если индикатор уровня почти не движется или постоянно находится на максимуме, лучше запишите аудио заново, а не надейтесь, что расшифровка получится правильной.
Типичные способы использования преобразования речи в PDF
Этот инструмент используют преподаватели, подкастеры, журналисты и все, кто формулирует мысли вслух быстрее, чем на клавиатуре: чтобы надиктовать электронное письмо или статью, записать протокол встречи, превратить лекцию или голосовую заметку в заметки с возможностью поиска, расшифровать ответы из интервью для исследования или получить читаемую версию голосового сообщения, которое сейчас невозможно прослушать.
Поскольку Whisper автоматически определяет язык, эта же страница подходит для немецкой диктовки, испанской голосовой заметки или английской лекции без каких-либо настроек. Текст не переводится — он записывается на языке, на котором велась речь.
Для аудио, которое уже существует в виде файла, — подкастов, лекций, звонков — конвертеры аудио в текст и MP3 в текст на этом сайте используют ту же интеллектуальную систему с теми же параметрами.
Что этот инструмент не делает
Инструмент не переводит: расшифровка создаётся на языке речи. Он не добавляет таймкоды субтитров — для файлов SRT или VTT используйте конвертеры субтитров на этом сайте. Он не определяет говорящих по имени, а только фиксирует смену говорящего при включённом определении говорящих. Также он не может восстановить слова, которые не слышны в записи.
Наиболее частые ошибки связаны с именами собственными, названиями продуктов и редкими сокращениями; обычно для чистой записи достаточно быстро просмотреть результат, обращая на них внимание.
FAQ
Часто задаваемые вопросы
Насколько точна расшифровка?
При чёткой записи с одним говорящим Whisper обычно правильно распознаёт более 90 % слов на основных языках, включая знаки препинания. Точность снижается при сильном фоновом шуме, когда несколько человек говорят одновременно, при очень тихом звуке или выраженном диалекте — приведённые ниже советы по записи помогут больше, чем любые настройки.
Какие языки поддерживаются?
Whisper распознаёт около 100 языков и автоматически определяет язык по первым секундам аудио, поэтому ничего настраивать не нужно. Записи с несколькими языками расшифровываются на преобладающем языке. Текстовая расшифровка создаётся на языке речи и не переводится.
Аудио загружается во время речи?
Нет. Запись аудио хранится в вашем браузере, пока вы не нажмёте кнопку в диалоговом окне. Если вы отмените действие или закроете вкладку, ничего не будет отправлено. Загруженные файлы и расшифровки автоматически удаляются после обработки.
Какой максимальной может быть длительность записи?
Встроенный в браузер диктофон прекращает запись через 30 минут; загружаемые файлы могут быть длиннее. Время обработки увеличивается с длительностью аудио, а определение говорящих занимает примерно столько же времени дополнительно.
Что делает функция «Определять нескольких говорящих»?
Перед расшифровкой выполняется определение говорящих и добавляется метка при каждой смене спикера. Используйте эту функцию для интервью, встреч и подкастов; отключайте её для диктовки и голосовых заметок, где она лишь увеличивает время ожидания.
Как будет выглядеть PDF?
Обычный документ A4 с расшифровкой в виде выделяемого текста — без графики в шапке и водяных знаков. Он предназначен для хранения, печати или прикрепления к электронному письму; если Вы хотите редактировать текст, инструмент преобразования речи в текст на этом сайте предоставляет ту же расшифровку в виде файла .txt.