Конфиденциальность прежде всего
Загруженные файлы автоматически и безвозвратно удаляются в течение двух часов.
Автоматическое удаление
Преобразование речи в текст
Диктуйте текст, комментарии, конспекты лекций, ответы для интервью или короткую озвучку прямо в браузере либо загрузите запись — и получите текст в виде обычного файла (.txt, UTF 8). Распознавание выполняется с помощью Whisper — открытой модели распознавания речи — на наших собственных серверах примерно для 100 языков с автоматическим определением языка.
-
Запись: говорите в диктофон в браузере — до 30 минут за одну запись — или загрузите MP3, WAV, M4A, AAC, OGG, FLAC либо WebM.
-
Расшифровка: Whisper записывает слова со знаками препинания; при необходимости отмечает смену говорящих в интервью и на встречах. Результат: текстовый файл (.txt, UTF 8).
-
Конфиденциальность: ничего не загружается, пока Вы не подтвердите. Аудиофайл и расшифровка автоматически удаляются после обработки, не позднее чем через несколько часов.
Транскрибация
Как работает преобразование речи в текст
Страница объединяет встроенный в браузер диктофон с серверной частью для транскрибирования на GPU. Запись выполняется через интерфейс MediaRecorder, встроенный в Chrome, Firefox, Edge и Safari; распознавание осуществляет 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 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 обработка занимает заметно больше времени). Затем запустите транскрибацию.
3
Скачать расшифровку
Ход обработки отображается, пока модель работает; обработка нескольких минут речи обычно занимает значительно меньше минуты. На странице результатов можно скачать текстовый файл (.txt, UTF 8).
Ключевые возможности
В основе — Whisper
Whisper обучен на 680 000 часах многоязычных аудиозаписей и намного лучше, чем системы диктовки нескольких лет назад, справляется с акцентами, фоновым шумом и технической терминологией. Язык определяется автоматически.
Определение говорящих по запросу
Для разговоров дополнительная функция определения говорящих отмечает смену говорящего в расшифровке. Она примерно вдвое увеличивает время обработки, поэтому по умолчанию отключена.
Текстовый вывод, соответствующий вашему рабочему процессу
Расшифровка сохраняется как обычный текстовый файл UTF 8 со стандартной пунктуацией и разделением на абзацы, поэтому её можно открыть в любом редакторе, текстовом процессоре или приложении для заметок и вставить куда угодно.
Бесплатно и конфиденциально
Без регистрации, без водяных знаков и без ограничений пробного периода. Запись не покидает ваше устройство, пока вы не подтвердите отправку, 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 текст 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 транскрибации.
Там ffmpeg декодирует аудио, а Whisper — модель распознавания речи с открытым исходным кодом — за один проход преобразует его в текст, включая знаки препинания и разбиение на предложения. Если включено определение говорящих, модель диаризации сначала разделяет аудио по говорящим, после чего транскрипт размечается соответствующим образом.
Транскрипт сохраняется как обычный текстовый файл UTF 8 со стандартными знаками препинания и разрывами абзацев, поэтому его можно открыть в любом редакторе текста, текстовом процессоре или приложении для заметок и вставить куда угодно. На странице результата его можно скачать; аудио и транскрипт затем автоматически удаляются.
Советы по записи, которые важнее любых настроек
Качество распознавания речи напрямую зависит от качества аудио. Наибольшее значение имеют три фактора: расстояние, шум и наложение голосов. Держите микрофон на расстоянии 10–20 см от рта; телефон, находящийся близко, лучше ноутбука 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 результат, чем немного более медленная, но связная речь. Во время интервью попросите участников не говорить одновременно: наложение голосов — самый сложный случай для любого распознавателя.
Перед началом прослушайте предварительный просмотр. Если индикатор уровня едва движется или постоянно находится на максимуме, лучше записать аудио заново, а не надеяться, что расшифровка получится правильной.
Типичные случаи использования преобразования речи в текст
Этот инструмент используют преподаватели, подкастеры, журналисты и все, кому проще формулировать мысли вслух, чем на клавиатуре: чтобы надиктовать электронное письмо или статью, зафиксировать 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 лекции на английском без каких-либо настроек. Расшифровка не переводится — она создаётся 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 систему с теми же настройками.
Чего этот инструмент не делает
Он не переводит: расшифровки создаются на языке речи. Он не добавляет таймкоды субтитров — для файлов SRT или VTT используйте конвертеры субтитров на этом сайте. Он не определяет говорящих по именам, а лишь фиксирует смену говорящего при включённом распознавании говорящих. Также он не может восстановить слова, которые не слышны в записи.
Собственные имена, названия продуктов и редкие сокращения чаще всего распознаются с ошибками; обычно достаточно быстро просмотреть результат с учётом этого — для чистой записи больше редактирования, как правило, не требуется.
FAQ
Часто задаваемые вопросы
Насколько точна расшифровка?
При чёткой записи и одном говорящем Whisper обычно правильно распознаёт значительно более 90 % слов на основных языках, включая знаки препинания. Точность снижается при сильном фоновом шуме, когда несколько человек говорят одновременно, при очень тихом аудио или выраженном диалекте — приведённые ниже рекомендации 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. Транскрипция создаётся на языке речи и не переводится.
Аудио загружается во время речи?
Нет. Запись сохраняется 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 может быть максимальная длительность записи?
Встроенный в браузер диктофон останавливается 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 запускается определение говорящих, а при каждой смене говорящего добавляется метка. Используйте эту функцию для интервью, встреч и подкастов; отключайте её для диктовки и голосовых заметок, где она лишь увеличивает время ожидания.
Можно ли потом редактировать текст?
Да — результатом будет обычный файл .txt. Откройте его в любом редакторе, исправьте имена или технические термины, которые модель распознала неверно, и вставьте текст туда, куда нужно. В первую очередь стоит проверить имена собственные и редкие сокращения.