Конфиденциальность прежде всего
Загруженные файлы автоматически и безвозвратно удаляются в течение двух часов.
Автоматическое удаление
Конвертация голоса в TXT
Диктуйте 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). Расшифровка выполняется с помощью Whisper — модели распознавания речи с открытым исходным кодом — на наших собственных серверах примерно для 100 языков, которые определяются автоматически.
-
Запись: говорите в диктофон в браузере — 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 отмечайте смену говорящего 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 TXT
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 — опубликованная OpenAI модель с открытым исходным кодом, 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 обработка занимает заметно больше времени). Затем запустите расшифровку.
3
Скачать расшифровку
Во время работы модели отображается прогресс; обработка нескольких минут речи обычно занимает значительно меньше минуты. На странице результатов можно скачать текстовый файл (.txt, UTF 8).
Ключевые возможности
На базе Whisper
Whisper обучена на 680 000 часах многоязычных аудиоданных и значительно лучше, чем системы диктовки нескольких лет назад, распознаёт акценты, фоновый шум и техническую лексику. Язык определяется автоматически.
Определение говорящего по запросу
Для бесед дополнительная функция определения говорящих отмечает смену говорящего в расшифровке. Она примерно вдвое увеличивает время обработки, поэтому по умолчанию отключена.
TXT на выходе, который подходит для вашего рабочего процесса
Расшифровка сохраняется как обычный текстовый файл UTF 8 со стандартной пунктуацией и разделением на абзацы, поэтому её можно открыть в любом текстовом 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 голос преобразуется 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 транскрибирования.
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, а в расшифровку добавляются соответствующие пометки.
Расшифровка сохраняется как обычный текстовый файл UTF 8 со стандартными знаками препинания и абзацами, поэтому её можно открыть в любом редакторе, текстовом процессоре или приложении для заметок и вставить куда угодно. 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 качества аудио. Наибольшее значение имеют три фактора: расстояние, шум и наложение голосов. Держите микрофон на расстоянии 10–20 см от рта: телефон, который находится 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 фрагмент. Если индикатор уровня едва движется или постоянно находится на максимуме, лучше перезапишите аудио, а не надейтесь, что расшифровка получится правильной.
Типичные способы использования преобразования голоса в TXT
Этот инструмент используют те, кто предпочитает говорить, а не печатать, или кому нужно голосовое сообщение вне приложения для чата: 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 невозможно прослушать.
Поскольку Whisper автоматически определяет язык, эта страница работает без каких-либо настроек для немецкой диктовки, испанской голосовой заметки или английской лекции. Расшифровка не переводится — она создаётся на языке, на котором велась речь.
Для аудио, которое уже сохранено 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
Инструмент не переводит: расшифровки создаются на языке речи. Он не добавляет временные метки субтитров — для файлов SRT или VTT используйте конвертеры субтитров на этом сайте. Он не определяет говорящих по имени, а лишь фиксирует смену говорящего при включённом распознавании говорящих. Кроме того, он не может восстановить слова, которые не слышны в записи.
Имена собственные, названия продуктов и редкие сокращения чаще всего распознаются с ошибками; обычно достаточно быстро просмотреть результат, обращая на них внимание — для чистой записи этого будет вполне достаточно.
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 пунктуацию. Точность снижается при сильном фоновом шуме, одновременной речи нескольких людей, очень тихом звуке 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.
Передаётся ли аудио 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 длительности может быть запись?
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 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.
Почему файл .txt, а не документ Word?
Обычный текст — наиболее универсальный результат: он открывается на любом устройстве, легко вставляется в заметки, электронные письма, редакторы CMS и чаты, а также занимает минимум места. Если вам нужен отформатированный документ, вставьте текст в текстовый редактор или воспользуйтесь инструментом преобразования речи в PDF на этом сайте.