VOICE в TXT

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.