Конфіденційність насамперед
Завантажені файли автоматично й остаточно видаляються протягом двох годин.
Автоматичне видалення
Перетворення мовлення на текст
Диктуйте текст, оповідання, нотатки до лекції, відповіді для інтерв’ю або короткий голосовий супровід прямо в браузері чи завантажте запис — і отримайте текст у файлі (.txt, UTF 8). Транскрибування виконується на основі Whisper — відкритої моделі розпізнавання мовлення — на наших власних серверах приблизно 100 мовами, які визначаються автоматично.
-
Записуйте: говоріть у диктофоні браузера — до 30 хвилин за один запис — або завантажте MP3, WAV, M4A, AAC, OGG, FLAC чи WebM.
-
Транскрибування: Whisper записує текст із розділовими знаками; за потреби позначає зміну мовців для інтерв’ю та зустрічей. Вивід: звичайний текстовий файл (.txt, UTF 8).
-
Конфіденційно: нічого не завантажується, доки ви не підтвердите. Аудіо та транскрипт автоматично видаляються після обробки, щонайпізніше протягом кількох годин.
Транскрибування
Як працює перетворення мовлення на текст
На сторінці поєднано записувач у браузері з 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 сторонній API.
Як користуватися Converter App
1
Запишіть або завантажте
Натисніть «Записати з мікрофона», один раз надайте доступ і говоріть. Таймер та індикатор рівня підтвердять надходження аудіо. Або завантажте наявний запис — підійдуть голосові нотатки з будь-якого телефона.
2
Перевірте та почніть
Прослухайте запис у діалоговому вікні. Увімкніть «Виявляти кількох мовців» для інтерв’ю та зустрічей (ця функція позначає, хто говорить, але помітно збільшує час обробки). Потім запустіть транскрибування.
3
Завантажити транскрипт
Під час роботи моделі відображається прогрес; обробка кількох хвилин мовлення зазвичай займає значно менше ніж хвилину. Завантажте текстовий файл (.txt, UTF 8) зі сторінки результатів.
Ключові можливості
Whisper у основі роботи
Whisper навчено на 680 000 годинах багатомовних аудіоданих, і він значно краще за системи диктування кількарічної давнини розпізнає акценти, фоновий шум і технічну лексику. Мову визначається автоматично.
Визначення мовця на запит
Для розмов додаткова функція визначення мовців позначає зміни мовця в транскрипті. Вона приблизно вдвічі збільшує час обробки, тому за замовчуванням вимкнена.
Текстовий результат, що відповідає вашому робочому процесу
Транскрипт зберігається як звичайний текстовий файл UTF 8 зі стандартною пунктуацією та поділом на абзаци, тому його можна відкрити в будь-якому редакторі, текстовому процесорі чи застосунку для нотаток і вставити будь-де.
Безкоштовно й конфіденційно
Без облікового запису, водяних знаків і лічильника пробного періоду. Запис не залишає ваш пристрій, доки ви не підтвердите це, 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 текст на цій сторінці
Ваш браузер записує звук із мікрофона як аудіо 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, зокрема з розділовими знаками та поділом на речення. Якщо ввімкнено визначення мовців, модель діаризації спочатку розділяє аудіо за мовцями, а транскрипт відповідно позначається.
Транскрипт зберігається як звичайний текстовий файл UTF 8 зі стандартними розділовими знаками та поділом на абзаци, тому його можна відкрити в будь-якому редакторі, текстовому процесорі чи застосунку для нотаток і вставити будь-де. На сторінці результату його можна завантажити; аудіо й транскрипт після цього видаляються автоматично.
Поради щодо запису, важливіші за будь-які налаштування
Якість розпізнавання мовлення залежить від якості аудіо. Найбільше значення мають три речі: відстань, шум і накладання голосів. Тримайте мікрофон на відстані 10–20 см від рота; телефон, який тримають близько, працює краще за ноутбук на іншому кінці столу. Вимкніть вентилятори, зачиніть вікно та уникайте приміщень із сильним відлунням.
Говоріть у звичайному темпі та завершуйте речення — модель використовує контекст, тому незакінчені фрази й слова-паразити дають гірший текст, ніж трохи повільніше, але завершене мовлення. Під час інтерв’ю попросіть людей 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 максимальний рівень, запишіть аудіо повторно, а не сподівайтеся, що розшифровка буде правильною.
Типові способи використання перетворення мовлення в текст
Цим інструментом користуються вчителі, подкастери, журналісти й усі, хто думає вголос швидше, ніж друкує на клавіатурі: для створення чернетки електронного листа або статті під час розмови, фіксації протоколу зустрічі, перетворення лекції чи голосової нотатки на нотатки з можливістю пошуку, транскрибування відповідей з інтерв’ю для дослідження та отримання зручної для читання версії голосового повідомлення, яке зараз неможливо прослухати.
Оскільки Whisper автоматично визначає мову, ця сама сторінка працює для німецького диктування, іспанської голосової нотатки або англійської лекції без жодних налаштувань. Транскрипт не перекладається — він записується мовою, якою говорили.
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.
Чого цей інструмент не робить
Сервіс не перекладає: транскрипції створюються мовою запису. Він не додає таймкоди 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.
Найчастіше помилки трапляються у власних назвах, назвах продуктів і рідкісних абревіатурах; зазвичай для чистого запису достатньо швидко переглянути результат, звернувши на них увагу.
FAQ
Часті запитання
Наскільки точна транскрипція?
За чіткого запису з одним мовцем Whisper зазвичай правильно розпізнає понад 90 % слів основними мовами, включно з пунктуацією. 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, тож нічого налаштовувати не потрібно. Записи з кількома мовами транскрибуються домінуючою мовою. Транскрипція створюється мовою, якою говорять; вона не перекладається.
Чи завантажується аудіо, поки я говорю?
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 транскрипції автоматично видаляються після обробки.
Якою може бути тривалість запису?
Вбудований у браузер диктофон зупиняється через 30 хвилин; завантажені файли можуть бути довшими. Час обробки збільшується залежно від тривалості аудіо, а визначення мовців додає приблизно стільки ж часу.
Що робить функція «Виявляти кількох мовців»?
Перед транскрибуванням інструмент виконує діаризацію мовців і додає позначку 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.
Чи можна потім редагувати текст?
Так — результатом є звичайний файл .txt. Відкрийте його в будь-якому редакторі, виправте імена або технічні терміни, які модель розпізнала неправильно, і вставте текст там, де потрібно. Власні назви та рідкісні абревіатури найчастіше потребують перевірки.