Конфіденційність насамперед
Завантажені файли автоматично й остаточно видаляються протягом двох годин.
Автоматичне видалення
Голос у текст
Продиктуйте голосову нотатку, нагадування, повідомлення для колеги або коротку службову записку прямо в браузері чи завантажте запис — і отримайте текст у файлі звичайного тексту (.txt, UTF 8). Транскрибування виконується за допомогою Whisper — моделі розпізнавання мовлення з відкритим кодом — на наших власних серверах приблизно 100 мовами, які визначаються автоматично.
-
Запис: говоріть у записувачі в браузері — до 30 хвилин за один запис — або завантажте MP3, WAV, M4A, AAC, OGG, FLAC чи WebM.
-
Транскрибування: Whisper записує слова з пунктуацією; за потреби позначає зміну мовців для інтерв’ю та зустрічей. Результат: текстовий файл (.txt, UTF 8).
-
Конфіденційно: нічого не завантажується, доки Ви не підтвердите. Аудіофайл і транскрипт автоматично видаляються після обробки, щонайпізніше протягом кількох годин.
Транскрибування
Як працює перетворення голосу на текст
Сторінка поєднує записувач у браузері з серверною системою 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, що аудіо надходить. 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 (система позначатиме, хто говорить, але це займе помітно більше часу). Потім запустіть транскрибування.
3
Завантажити транскрипт
Під час роботи моделі відображається перебіг процесу; 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. Мова визначається автоматично.
Визначення мовців за запитом
Для розмов додаткове визначення мовців позначає в транскрипті зміни мовців. Воно приблизно вдвічі збільшує час обробки, тому за замовчуванням вимкнене.
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-куди.
Безкоштовно та конфіденційно
Без облікового запису, без водяних знаків, без лічильника пробного використання. Запис не залишає ваш пристрій, доки ви не підтвердите, а аудіо й розшифровка 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 голос 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 — перетворює його на текст за один етап, 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 тексту, текстовому процесорі або застосунку для нотаток і вставити будь-де. На сторінці результату його можна завантажити; аудіо й транскрипт після цього автоматично видаляються.
Поради щодо запису, важливіші за будь-які налаштування
Розпізнавання мовлення настільки добре, наскільки якісне 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, ніж ноутбук на іншому боці столу. Вимкніть вентилятори, зачиніть вікно та уникайте приміщень із сильним відлунням.
Говоріть у звичайному темпі та завершуйте речення — модель використовує контекст, тому незавершені речення й слова-паразити дають гірший текст, ніж трохи повільніше, але завершене мовлення. Під час інтерв’ю попросіть людей не перебивати одне одного; накладання голосів — 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 транскрипція буде правильною.
Типові способи використання перетворення голосу на текст
Цим інструментом користуються люди, які надають перевагу говорити, а не друкувати, або яким потрібне голосове повідомлення поза застосунком для чату: щоб створити електронний лист чи статтю голосом, зафіксувати протокол зустрічі, перетворити лекцію або голосову нотатку на нотатки з можливістю пошуку, розшифрувати відповіді з інтерв’ю для дослідження чи отримати читабельну версію голосового повідомлення, яке зараз неможливо відтворити.
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 створюється тією мовою, якою було сказано аудіо.
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 такими самими параметрами.
Чого цей інструмент не робить
Сервіс не перекладає: транскрипції створюються мовою запису. Він не додає таймінги субтитрів — для файлів SRT або VTT скористайтеся конвертерами субтитрів на цьому сайті. Він не визначає мовців за іменами, а лише фіксує зміну мовця, коли ввімкнено розпізнавання 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, 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, тож нічого налаштовувати не потрібно. Записи кількома мовами транскрибуються домінантною мовою. Транскрипт створюється мовою, якою говорять; він не перекладається.
Чи завантажується аудіо під час мого мовлення?
Ні. Диктофон 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 визначення мовців додає приблизно стільки ж часу.
Що робить функція «Виявляти кількох мовців»?
Перед транскрибуванням виконується визначення 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.
Чи можна буде відредагувати текст пізніше?
Так — результатом буде звичайний файл .txt. Відкрийте його в будь-якому редакторі, виправте імена або технічні терміни, які модель розпізнала неправильно, і вставте текст туди, де він потрібен. Власні назви та рідкісні скорочення найчастіше потребують перевірки.