Конфиденциальность прежде всего
Загруженные файлы автоматически и безвозвратно удаляются в течение двух часов.
Автоматическое удаление
Речь в TXT
Диктуйте текст, повествование, заметки к лекции, ответы на интервью или короткий закадровый текст прямо в браузере либо загрузите запись — и получите слова в виде текстового файла (.txt, UTF 8). Распознавание выполняется с помощью Whisper, модели распознавания речи с открытым исходным кодом, на наших собственных серверах — примерно на 100 языках с автоматическим определением языка.
-
Запись: Говорите в браузерный диктофон — до 30 минут за одну запись — или загрузите MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Расшифровка: Whisper записывает слова со знаками препинания; при необходимости отмечает смену говорящих в интервью и на встречах. Результат: текстовый файл (.txt, UTF 8).
-
Конфиденциально: ничего не загружается, пока вы не подтвердите. Аудио и расшифровка автоматически удаляются после обработки, не позднее чем через несколько часов.
Транскрибация
Как преобразовать речь в TXT
Страница объединяет встроенный в браузер рекордер с серверной частью для транскрибации на GPU. Для записи используется интерфейс MediaRecorder, встроенный в Chrome, Firefox, Edge и Safari; распознавание выполняется Whisper — моделью с открытым исходным кодом, опубликованной OpenAI, которая работает на нашем собственном оборудовании, а не через сторонний API.
Как использовать Converter App
1
Запишите или загрузите файл
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
Проверить и начать
Прослушайте запись в диалоговом окне. Для интервью и встреч включите «Определять нескольких говорящих» (эта функция отмечает, кто говорит, но занимает заметно больше времени). Затем запустите транскрибацию.
3
Скачать расшифровку
Во время работы модели отображается ход выполнения; обработка нескольких минут речи обычно занимает значительно меньше минуты. Скачайте текстовый файл (.txt, UTF 8) со страницы результатов.
Ключевые возможности
Технология Whisper внутри
Whisper обучена на 680 000 часах многоязычных аудиозаписей и значительно лучше, чем системы диктовки несколькихлетней давности, распознаёт акценты, фоновый шум и специальную лексику. 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.
TXT на выходе, подходящий для вашего рабочего процесса
Расшифровка сохраняется в виде обычного текстового файла UTF 8 со стандартной пунктуацией и абзацами, поэтому её можно открыть в любом редакторе, текстовом процессоре или приложении для заметок и вставить куда угодно.
Бесплатно и конфиденциально
Без учётной записи, водяных знаков и 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 превращается в TXT 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 пунктуацию и разбиение на предложения. Если включено определение говорящих, модель диаризации сначала разделяет аудио по говорящим, а транскрипция соответствующим образом дополняется пометками.
Транскрипция сохраняется как обычный текстовый файл UTF 8 с нормальной пунктуацией и абзацами, поэтому его можно открыть в любом текстовом редакторе, текстовом процессоре или приложении для заметок и вставить куда угодно. На странице результата вы можете скачать файл; аудио и транскрипция затем автоматически удаляются.
Советы по записи, которые важнее любых настроек
Качество распознавания речи напрямую зависит от аудиозаписи. Наибольшее значение имеют три фактора: расстояние, шум и одновременная речь. Держите микрофон на расстоянии 10–20 см от рта: телефон, расположенный 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 любой системы распознавания.
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 TXT
Этот инструмент используют преподаватели, авторы подкастов, журналисты и все, кто формулирует мысли вслух быстрее, чем на клавиатуре: чтобы надиктовать черновик электронного письма или статьи, записать протокол встречи, превратить лекцию или голосовую заметку в заметки с возможностью поиска, расшифровать ответы из интервью для исследования и получить читаемую версию голосового сообщения, которое сейчас нельзя прослушать.
Поскольку Whisper автоматически определяет язык, эта же страница подходит для немецкой диктовки, испанской голосовой заметки или английской лекции без каких-либо настроек. Транскрипция не переводится — она создаётся на языке, на котором велась речь.
Для аудио, уже сохранённого в виде файла — подкастов, лекций, звонков — конвертеры аудио в текст и MP3 в текст на этом сайте используют одну и ту же интеллектуальную систему с одинаковыми параметрами.
Чего этот инструмент не делает
Сервис не переводит: расшифровки создаются на языке речи. Он не добавляет временные метки для 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 распознавании спикеров. Кроме того, он не может восстановить слова, которые не слышны в записи.
Наиболее частые ошибки возникают в именах собственных, названиях продуктов и редких аббревиатурах; обычно достаточно быстро просмотреть результат с учётом этого — чистая запись редко требует дополнительного редактирования.
FAQ
Часто задаваемые вопросы
Насколько точна расшифровка?
При чёткой записи с одним говорящим Whisper обычно правильно распознаёт более 90 % слов на основных языках, включая пунктуацию. Точность снижается при сильном фоновом шуме, одновременной речи нескольких людей, очень тихом аудио 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 аудиозаписи, поэтому ничего настраивать не нужно. Записи с несколькими языками расшифровываются на преобладающем языке. Текстовая расшифровка создаётся на языке речи и не переводится.
Загружается ли аудио во время моей речи?
Нет. Диктофон хранит аудио 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 вместе с длительностью аудио, а определение говорящих занимает примерно столько же времени дополнительно.
Что делает функция «Распознавать нескольких говорящих»?
Перед расшифровкой запускается определение говорящих и 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.
Почему создаётся файл .txt, а не документ Word?
Обычный текст — самый универсальный формат: он открывается на любом устройстве, легко вставляется в заметки, электронные письма, редакторы CMS и чаты и занимает минимум места. Если Вам нужен документ с форматированием, вставьте текст в текстовый редактор или воспользуйтесь инструментом преобразования речи в PDF на этом сайте.