Конфіденційність насамперед
Завантажені файли автоматично й остаточно видаляються протягом двох годин.
Автоматичне видалення
Мовлення в PDF
Диктуйте текст, начитування, конспект лекції, відповіді на запитання під час інтерв’ю або короткий закадровий текст прямо в браузері чи завантажте запис — і отримайте розшифрований текст у PDF документі. Транскрибування виконується на наших власних серверах за допомогою Whisper — моделі розпізнавання мовлення з відкритим кодом — приблизно 100 мовами, які визначаються автоматично.
-
Записуйте: говоріть у диктофон браузера — до 30 хвилин за один запис — або завантажте MP3, WAV, M4A, AAC, OGG, FLAC чи WebM.
-
Транскрибування: Whisper записує слова з розділовими знаками; за потреби позначає зміни мовців для інтерв’ю та зустрічей. Результат: документ PDF.
-
Конфіденційно: нічого не завантажується, доки ви не підтвердите. Аудіо та транскрипт автоматично видаляються після обробки, щонайпізніше протягом кількох годин.
Транскрибування
Як працює перетворення мовлення в PDF
Сторінка поєднує вбудований у браузер диктофон із серверною частиною транскрибування на GPU. Для запису використовується інтерфейс MediaRecorder, вбудований у Chrome, Firefox, Edge і Safari; розпізнавання виконує Whisper — модель із відкритим кодом, опублікована OpenAI, яка працює на нашому власному обладнанні, а не через API сторонніх сервісів.
Як користуватися Converter App
1
Запишіть або завантажте
Натисніть «Записати за допомогою мікрофона», один раз надайте доступ і почніть говорити. Таймер та індикатор рівня підтвердять надходження аудіо. Або завантажте наявний запис — підійдуть голосові нотатки з будь-якого телефону.
2
Перевірте та почніть
Прослухайте запис у діалоговому вікні. Увімкніть «Виявляти кількох мовців» для інтерв’ю та зустрічей (ця функція позначає, хто говорить, але потребує помітно більше часу). Потім запустіть транскрибування.
3
Завантажити транскрипт
Прогрес відображається під час роботи моделі; обробка кількох хвилин мовлення зазвичай займає значно менше хвилини. Завантажте PDF документ зі сторінки результату.
Ключові можливості
Whisper у основі роботи
Whisper навчено на 680 000 годинах багатомовного аудіо, тому він значно краще розпізнає акценти, фоновий шум і технічну лексику, ніж системи диктування кількарічної давнини. Мову буде визначено автоматично.
Визначення мовця за запитом
Для розмов додаткова функція визначення мовців позначає зміни мовця в транскрипті. Вона приблизно вдвічі збільшує час обробки, тому за замовчуванням вимкнена.
PDF для вашого робочого процесу
Транскрипт спочатку записується як текст, а потім оформлюється у PDF за допомогою LibreOffice — простий документ для друку з текстом, який можна виділяти, без сканів чи зображень.
Безкоштовно та конфіденційно
Без облікового запису, водяних знаків і лічильника пробного періоду. Запис не залишає ваш пристрій, доки ви не підтвердите дію, а аудіо й транскрипт автоматично видаляються після обробки.
Досвід і конфіденційність
Створено для надійних робочих процесів транскрибування.
Розроблено інженерами з понад 10 роками досвіду у великомасштабній інфраструктурі, системах даних і наукових обчисленнях. Створено для реальних аудіопроцесів, де важливі конфіденційність, надійна обробка та практична зручність.
Довіра користувачів
Оцінка 5 зірок на Trustpilot за швидкість, надійність і простоту використання.
Довіра користувачів
Для академічного використання
Згадується в опублікованих дослідженнях і використовується для транскрибування інтерв’ю та якісного аналізу даних.
Використання в дослідженнях
Як мовлення перетворюється на PDF на цій сторінці
Ваш браузер записує звук із мікрофона у форматі Opus (Chrome, Firefox, Edge) або AAC (Safari) і зберігає його в пам’яті. Після підтвердження файл завантажується через HTTPS на один із наших серверів транскрибування.
Там ffmpeg декодує аудіо, а Whisper — модель розпізнавання мовлення з відкритим кодом — за один прохід перетворює його на текст із розділовими знаками та поділом на речення. Якщо ввімкнено визначення мовців, модель діаризації спочатку розділяє аудіо за мовцями, а до транскрипту додаються відповідні позначки.
Транскрипт спочатку записується як текст, а потім оформлюється як PDF за допомогою LibreOffice — звичайний придатний до друку документ із текстом, який можна виділяти, без сканів чи зображень. На сторінці результату його можна завантажити; аудіо та транскрипт після цього автоматично видаляються.
Поради щодо запису, важливіші за будь-які налаштування
Якість розпізнавання мовлення залежить від якості аудіо. Найбільше значення мають три чинники: відстань, шум і накладання голосів. Тримайте мікрофон на відстані 10–20 см від рота; телефон, який тримають близько, кращий за ноутбук на іншому боці столу. Вимикайте вентилятори, зачиняйте вікно та уникайте приміщень із сильним відлунням.
Говоріть у звичайному темпі та завершуйте речення — модель використовує контекст, тому незавершені речення й слова-паразити погіршують текст більше, ніж трохи повільніше, але чітке мовлення. Під час інтерв’ю попросіть учасників не говорити одночасно; накладання мовлення — найскладніший випадок для будь-якої системи розпізнавання.
Прослухайте попередній перегляд перед початком. Якщо індикатор рівня ледь рухається або постійно показує максимум, перезапишіть аудіо, а не сподівайтеся, що розшифровка буде правильною.
Типові способи використання перетворення мовлення в PDF
Цим інструментом користуються вчителі, подкастери, журналісти та всі, хто висловлює думки вголос швидше, ніж набирає текст на клавіатурі: щоб створити чернетку електронного листа або статті, зафіксувати протокол зустрічі, перетворити лекцію чи голосову нотатку на нотатки з можливістю пошуку, розшифрувати відповіді з інтерв’ю для дослідження або отримати зручну для читання версію голосового повідомлення, яке наразі неможливо прослухати.
Оскільки Whisper автоматично визначає мову, ця сама сторінка працює для німецького диктування, іспанської голосової нотатки чи англійської лекції без жодних налаштувань. Розшифровка не перекладається — вона створюється тією мовою, якою було сказано запис.
Для аудіо, яке вже існує у вигляді файлу — подкастів, лекцій, дзвінків — конвертери аудіо в текст і MP3 у текст на цьому сайті використовують ту саму систему з тими самими параметрами.
Що цей інструмент не робить
Він не перекладає: транскрипції створюються мовою мовлення. Він не створює часові мітки для субтитрів — для файлів SRT або VTT скористайтеся конвертерами субтитрів на цьому сайті. Він не визначає мовців за іменами, а лише фіксує зміну мовця, якщо ввімкнено визначення мовців. Також він не може відновити слова, яких не чути в записі.
Власні назви, назви продуктів і рідкісні абревіатури найчастіше розпізнаються з помилками; зазвичай для чистого запису достатньо швидко переглянути результат, звертаючи на них увагу.
FAQ
Часті запитання
Наскільки точна транскрипція?
За чіткого запису з одним мовцем Whisper зазвичай правильно розпізнає понад 90 % слів основними мовами, зокрема й розділові знаки. Точність знижується за сильного фонового шуму, коли кілька людей говорять одночасно, за дуже тихого аудіо або вираженого діалекту — наведені нижче поради щодо запису допоможуть більше, ніж будь-які налаштування.
Які мови підтримуються?
Whisper розпізнає приблизно 100 мов і автоматично визначає мову за першими секундами аудіо, тому нічого налаштовувати не потрібно. Записи кількома мовами транскрибуються переважною мовою. Текстова розшифровка створюється мовою, якою говорять; вона не перекладається.
Чи завантажується аудіо під час мого мовлення?
Ні. Записувач зберігає аудіо у вашому браузері, доки ви не натиснете кнопку в діалоговому вікні. Якщо ви скасуєте дію або закриєте вкладку, нічого не буде надіслано. Завантажені файли та розшифровки автоматично видаляються після обробки.
Якою може бути тривалість запису?
Записувач у браузері зупиняється через 30 хвилин; завантажені файли можуть бути довшими. Час обробки збільшується залежно від тривалості аудіо, а виявлення мовців додає приблизно стільки ж часу.
Що робить функція «Виявляти кількох мовців»?
Перед транскрибуванням виконується етап діаризації мовців і вставляється позначка щоразу, коли змінюється мовець. Використовуйте цю функцію для інтерв’ю, зустрічей і подкастів; вимикайте її для диктування та голосових нотаток, де вона лише збільшує час очікування.
Який вигляд має PDF?
Звичайний документ A4 із розшифровкою у вигляді тексту, який можна виділяти, — без графіки в колонтитулах і без водяних знаків. Він призначений для зберігання, друку або прикріплення до електронного листа; якщо Ви хочете редагувати текст, інструмент перетворення мовлення на текст на цьому сайті надає ту саму розшифровку у файлі .txt.