Конфіденційність насамперед
Завантажені файли автоматично й остаточно видаляються протягом двох годин.
Автоматичне видалення
Голос у TXT
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 браузерний диктофон — 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. 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 голосу на TXT
Сторінка поєднує диктофон у браузері з серверною частиною транскрибування на GPU. Для запису використовується інтерфейс MediaRecorder, вбудований у Chrome, Firefox, Edge та 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 за допомогою мікрофона», один раз надайте доступ і говоріть. Таймер та індикатор рівня підтвердять, що звук надходить. Або завантажте наявний запис — голосові нотатки з будь-якого телефону підійдуть.
2
Перевірте та почніть
Прослухайте запис у діалоговому вікні. Увімкніть «Виявляти кількох мовців» для інтерв’ю та зустрічей (це позначає, хто говорить, але потребує значно більше часу). Потім запустіть транскрибування.
3
Завантажити розшифровку
Під час роботи моделі відображається хід виконання; кілька хвилин мовлення зазвичай обробляються менш ніж за хвилину. Завантажте текстовий файл (.txt, UTF 8) зі сторінки результату.
Ключові можливості
Технологія Whisper всередині
Whisper навчено на 680 000 годинах багатомовних аудіоданих, тому він значно краще за системи диктування кількарічної давнини розпізнає акценти, фоновий шум і технічну лексику. Мову визначається автоматично.
Визначення мовця на запит
Для розмов додаткове визначення мовців позначає зміни мовця в транскрипті. Це приблизно вдвічі збільшує час обробки, тому за замовчуванням цю функцію вимкнено.
Вихідний TXT файл, 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 текстовому редакторі, текстовому процесорі чи застосунку для нотаток і вставити будь-де.
Безкоштовно та конфіденційно
Без облікового запису, без водяних знаків, без 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 голос перетворюється на TXT 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 вихідним кодом — перетворює його на текст за один прохід, 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 й 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, кращий за 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 незакінчені фрази й слова-паразити дають гірший текст, ніж трохи повільніше, але завершене мовлення. Під час інтерв’ю попросіть співрозмовників не говорити одночасно; накладання голосів є найскладнішим випадком для будь-якої системи розпізнавання.
Прослухайте попередній перегляд перед початком. Якщо індикатор рівня майже не рухається або постійно показує максимальний рівень, запишіть аудіо ще раз, а не сподівайтеся, що розшифровка буде правильною.
Типові способи використання перетворення голосу на TXT
Цей інструмент використовують люди, які воліють говорити, а не друкувати, або яким потрібне голосове повідомлення поза застосунком чату: щоб створити чернетку електронного листа чи статті, фіксувати протокол зустрічі, перетворити лекцію або голосову нотатку на нотатки з можливістю пошуку, транскрибувати відповіді з інтерв’ю для дослідження або 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 записується мовою, якою було сказано текст.
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 інтелектуальну систему з однаковими параметрами.
Чого цей інструмент не робить
Він не перекладає: розшифровки створюються мовою запису. Він не додає часові мітки для субтитрів — для файлів SRT або VTT скористайтеся конвертерами субтитрів на цьому сайті. Він не визначає імена мовців, а лише зміну мовця, якщо увімкнено виявлення мовців. Також він не може відновити слова, яких не чути в записі.
Найчастіше помилки трапляються у власних назвах, назвах продуктів і рідкісних скороченнях; зазвичай достатньо швидко перечитати результат, звертаючи на них увагу — це все редагування, потрібне для чистого запису.
FAQ
Часті запитання
Наскільки точна транскрипція?
За чіткого запису та одного мовця Whisper зазвичай правильно розпізнає понад 90 % слів основними мовами, зокрема з розділовими знаками. 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 домінуючою мовою. Транскрипт створюється мовою, якою говорять; він не перекладається.
Чи завантажується аудіо, поки я говорю?
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 розпізнавання мовців і щоразу, коли мовець змінюється, додається позначка. Використовуйте цю функцію для інтерв’ю, зустрічей і подкастів; вимикайте її для диктування та голосових нотаток, де 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 займає мінімум місця. Якщо вам потрібен форматований документ, вставте текст у текстовий редактор або скористайтеся інструментом перетворення мовлення в PDF на цьому сайті.