Расшифровка голосовых сообщений работает прямо в Telegram: перешлите войс в чат с VoiceKit, и бот ответит текстом. Можно и записать голосовое там же. Наговорить мысль на ходу быстрее, чем набрать, а хранить и искать удобнее текст.
Почему голосовые раздражают
Дело не в лени. Голосовое неудобно тому, кто его получил. Его нельзя прочитать быстрее, чем оно записано. По нему нельзя пробежать глазами и понять, срочное ли оно. Через месяц его не найти поиском.
Пятиминутный войс отнимает у получателя пять минут, даже если по делу в нём одна фраза. Текст снимает все три проблемы: его можно пролистать, найти поиском и прочитать без наушников в опенспейсе.
Когда расшифровка голосовых выручает
- Слушать нельзя. В метро, на встрече, в библиотеке войс не включишь, а прочитать можно.
- Длинное голосовое от коллеги. Из текста сразу видно, что от вас хотят и к какому сроку.
- Рабочий чат в группе. Добавьте бота в чат, ответьте на голосовое реплаем с упоминанием бота, и расшифровку увидят все участники.
- Свои заметки. Идея, наговорённая по дороге, превращается в запись с заголовком и списком.
Что бот делает кроме распознавания
Сырой текст распознавания читать тяжело, поэтому VoiceKit его обрабатывает. Убирает «эээ» и повторы, расставляет знаки препинания, разбивает на абзацы и списки, придумывает короткий заголовок.
Если в голосовом прозвучали поручения, бот собирает их в блок «Задачи», по пункту на строку. Исполнителя и срок он указывает, только когда их назвали вслух, и ничего не додумывает. В конце заметки стоят один-три тега.
Под заметкой три вида кнопок. «Саммари» сжимает длинное сообщение до трёх-пяти пунктов. «Оригинал» показывает текст как он был распознан, без обработки. Ещё до трёх кнопок можно завести самому через /prompt, например «ответь вежливо» или «оформи как список дел».
Не только голосовые
Так же обрабатываются аудиофайлы: mp3, m4a, wav, ogg, записи диктофона. И видео: видеокружки и видеофайлы, из которых бот берёт звуковую дорожку. Предел один для всех, 20 МБ на файл. Это ограничение Telegram на скачивание файлов ботами.
Язык и приватность
Язык голосового выбирать не нужно, бот определяет его сам и пишет текст на языке оригинала. Аудио удаляется с сервера после обработки, хранится только текстовая заметка. Распознаёт речь сторонний сервис OpenAI, подробности в политике конфиденциальности.
30 минут бесплатно на старт. Обычное голосовое короче минуты, так что для переписки этого хватает надолго.