Конфиденциальность прежде всего
Загруженные файлы автоматически и безвозвратно удаляются в течение двух часов.
Автоматическое удаление
Голос в текст
Продиктуйте голосовую заметку, напоминание, сообщение коллеге или короткую служебную записку прямо в браузере либо загрузите запись — и получите текст в виде обычного 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, которые определяются автоматически.
-
Запись: говорите в браузерный диктофон — до 30 минут за одну запись — или загрузите MP3, WAV, M4A, AAC, OGG, FLAC или WebM.
-
Транскрибация: Whisper записывает слова со знаками препинания; при необходимости отмечайте 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 работает преобразование голоса в текст
Страница объединяет встроенный в браузер диктофон с серверной системой расшифровки речи на GPU. Для записи используется интерфейс MediaRecorder, встроенный в Chrome, Firefox, Edge и Safari; распознавание выполняет Whisper — модель с открытым исходным кодом, опубликованная 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
Проверьте и начните
Прослушайте запись в диалоговом окне. Включите «Определять нескольких говорящих» для интервью и встреч (будет отмечено, кто говорит, но обработка займёт заметно больше времени). Затем начните расшифровку.
3
Скачать расшифровку
Ход обработки отображается во время работы модели; несколько минут речи обычно обрабатываются менее чем за минуту. Скачайте текстовый файл (.txt, UTF 8) со страницы результатов.
Ключевые возможности
В основе — Whisper
Whisper обучена на 680 000 часах многоязычных аудиозаписей и гораздо лучше, чем системы диктовки несколькихлетней давности, справляется с акцентами, фоновым шумом и технической терминологией. Язык определяется автоматически.
Определение говорящего по запросу
Для разговоров дополнительная функция определения говорящих отмечает в расшифровке смену собеседника. Она примерно вдвое увеличивает время обработки, поэтому по умолчанию отключена.
Текстовый вывод, соответствующий вашему рабочему процессу
Расшифровка сохраняется в виде обычного текстового файла UTF 8 со стандартной пунктуацией и разбивкой на абзацы, 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 до вашего 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 голос 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 — преобразует его в текст за один проход, включая пунктуацию и разбиение на предложения. Если включено определение говорящих, модель диаризации сначала разделяет аудио по голосам, а затем соответствующим образом помечает расшифровку.
Расшифровка сохраняется как обычный текстовый файл UTF 8 со стандартной пунктуацией и разбиением на абзацы, поэтому её можно открыть в любом текстовом редакторе, текстовом процессоре или приложении для заметок и вставить куда угодно. На странице результата её можно скачать; аудио и расшифровка 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 незавершённые фразы и слова-паразиты ухудшают результат сильнее, чем немного более медленная, но связная речь. Во время интервью попросите участников не перебивать друг друга: одновременная речь — самый сложный случай для любой системы распознавания.
Перед началом прослушайте предварительный фрагмент. Если индикатор уровня почти не движется или постоянно показывает максимальный уровень, лучше запишите аудио заново, а не надейтесь, что расшифровка получится правильной.
Типичные способы использования преобразования голоса в текст
Этот инструмент используют те, кто предпочитает говорить, а не печатать, или кому нужно голосовое сообщение вне приложения для чатов: чтобы надиктовать электронное письмо или статью, зафиксировать протокол встречи, превратить лекцию или голосовую заметку в заметки с возможностью поиска, расшифровать ответы на интервью для исследования или получить читаемую версию голосового сообщения, которое сейчас нельзя прослушать.
Поскольку Whisper автоматически определяет язык, эта же страница работает с немецкой диктовкой, испанской голосовой заметкой или английской лекцией 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 интеллектуальную систему с теми же 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. 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 и одном говорящем Whisper обычно правильно распознаёт значительно более 90 % слов в основных языках, включая пунктуацию. Точность снижается при сильном фоновом шуме, когда несколько человек говорят одновременно, при 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 аудио, 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 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 максимальной может быть длительность записи?
Запись в браузере прекращается 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, а при 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 затем отредактировать текст?
Да — результат представляет собой обычный файл .txt. Откройте его в любом редакторе, исправьте имена или технические термины, которые модель могла распознать неверно, и вставьте текст туда, где он нужен. В первую очередь стоит проверить имена собственные и редкие сокращения.