Конфіденційність насамперед
Завантажені файли автоматично й остаточно видаляються протягом двох годин.
Автоматичне видалення
Перетворення мовлення на TXT
Диктуйте текст, начитуйте оповідання, нотатки до лекцій, відповіді на інтерв’ю чи короткий закадровий голос просто в браузері або завантажте запис — і отримайте слова у вигляді текстового файлу (.txt, UTF 8). Транскрибування виконується за допомогою Whisper — моделі розпізнавання мовлення з відкритим кодом — на наших власних серверах приблизно 100 мовами, які визначаються автоматично.
-
Записуйте: говоріть у браузерний диктофон — 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 зміну мовців для інтерв’ю та зустрічей. Вивід: 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 TXT
Сторінка поєднує 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 телефону.
2
Перевірте та почніть
Прослухайте запис у діалоговому вікні. Увімкніть «Виявляти кількох мовців» для інтерв’ю та зустрічей (це позначає, хто говорить, але займає помітно більше часу). Потім запустіть транскрибування.
3
Завантажити транскрипт
Під час роботи моделі відображається прогрес; обробка кількох хвилин мовлення зазвичай займає значно менше хвилини. Завантажте текстовий файл (.txt, UTF 8) зі сторінки результатів.
Ключові можливості
Whisper у основі
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 визначається автоматично.
Визначення мовців за запитом
Для розмов додаткове визначення мовців позначає зміни мовця в транскрипції. Воно приблизно вдвічі збільшує час обробки, тому за замовчуванням вимкнене.
Вивід TXT, 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 та конфіденційно
Без облікового запису, водяних знаків і лічильника пробного періоду. Запис не залишає ваш пристрій, доки ви не підтвердите, 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 на цій сторінці мовлення перетворюється на TXT
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 — перетворює його на текст за один прохід, включно з пунктуацією та поділом на речення. Якщо ввімкнено розпізнавання мовців, модель діаризації спочатку розділяє аудіо за мовцями, а транскрипт відповідно позначається.
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. 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, працює краще за ноутбук, що стоїть на іншому боці столу. Вимкніть вентилятори, зачиніть вікно та уникайте приміщень із сильним відлунням.
Говоріть у звичайному темпі й завершуйте речення — модель використовує контекст, тому незавершені речення та слова-паразити дають гірший текст, ніж трохи повільніше, але повне 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 максимальний рівень, запишіть аудіо ще раз, а не сподівайтеся, що транскрипція буде правильною.
Типові способи використання перетворення мовлення на TXT
Цим інструментом користуються вчителі, подкастери, журналісти й усі, хто формулює думки вголос швидше, ніж на клавіатурі: щоб створити чернетку електронного листа або статті голосом, зафіксувати протокол зустрічі, перетворити лекцію чи голосову нотатку на нотатки з можливістю пошуку, розшифрувати відповіді з інтерв’ю для дослідження та отримати читабельну версію голосового повідомлення, яке зараз неможливо відтворити.
Оскільки Whisper автоматично визначає мову, ця сама сторінка працює для німецького диктування, іспанської голосової нотатки чи англійської лекції без будь-яких налаштувань. Транскрипт не перекладається — він створюється мовою, якою було сказано запис.
Для аудіо, що вже існує у вигляді файлу — подкастів, лекцій, дзвінків — конвертери аудіо в текст і MP3 у текст на цьому сайті використовують ту саму систему з однаковими параметрами.
Чого цей інструмент не робить
Інструмент не перекладає: розшифровки створюються мовою аудіозапису. Він не створює часові мітки для субтитрів — для файлів SRT або VTT скористайтеся конвертерами субтитрів на цьому сайті. Він не визначає мовців за іменами, лише фіксує зміну мовця, якщо ввімкнено виявлення мовців. Також він не може відновити слова, яких не чути в записі.
Власні назви, назви продуктів і рідкісні скорочення найчастіше розпізнаються з помилками; 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, зокрема 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 з кількома мовами транскрибуються домінантною мовою. Транскрипт створюється мовою, якою розмовляють; він 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?
Запис у браузері 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 виконується етап визначення мовців і додається позначка щоразу, коли мовець змінюється. Використовуйте цю функцію для інтерв’ю, зустрічей і подкастів; вимкніть її для диктування та голосових нотаток, оскільки вона лише збільшує час очікування.
Чому файл .txt, а не документ Word?
Звичайний текст — найуніверсальніший результат: він відкривається на будь-якому пристрої, легко вставляється в нотатки, електронні листи, редактори CMS і чати та має дуже малий розмір. Якщо вам потрібен форматований документ, вставте текст у текстовий редактор або скористайтеся інструментом перетворення мовлення в PDF на цьому сайті.