Что такое транскрибация
Транскрибацией называют перевод звучащей речи в письменный текст. Раньше это делали вручную: включить запись, набрать фразу, отмотать, переслушать невнятное место. На час записи уходило несколько часов набора.
Автоматическая транскрибация отдаёт первый черновик сразу после обработки. Короткое голосовое бот расшифрует за секунды, длинную запись дольше. Человеку остаётся вычитка.
Транскрибация онлайн в VoiceKit: заметка и оригинал
Обычный сервис транскрибации возвращает стенограмму: всё, что прозвучало, подряд и дословно. VoiceKit отдаёт два варианта текста.
- Заметка. Приходит сразу. Короткий заголовок, текст без слов-паразитов и повторов, пунктуация, абзацы и списки. Если запись объясняет тему, как лекция или доклад, основные тезисы собраны списком. Если договорились о задачах или приняли решения, они вынесены в отдельные блоки.
- Оригинал. Открывается кнопкой под заметкой. Это сырой текст распознавания без обработки, на случай если нужна точная цитата.
Ещё под заметкой есть кнопка «Саммари»: 3–5 пунктов по длинной записи. До трёх своих обработок можно добавить командой /prompt, например «оформи как протокол».
Что можно транскрибировать
Бот принимает голосовые, аудиофайлы (mp3, m4a, wav, ogg, opus, flac, aac, webm), аудио, отправленное документом, видеокружки и видеофайлы. Из видео берётся звуковая дорожка.
- Созвоны и встречи. На выходе протокол с задачами и решениями.
- Интервью. Пересказ и тезисы в заметке, точные цитаты в оригинале.
- Лекции и вебинары. Тезисы списком вместо часовой записи.
- Подкасты. Основа для описания выпуска и постов.
- Голосовые заметки. Мысли, наговорённые на ходу, становятся читаемым текстом.
- Видео. Результат такой же, как у аудио.
Чем автоматическая транскрибация отличается от ручной
Ручная расшифровка точнее на плохой записи, умеет подписывать говорящих и ставить таймкоды. Зато она занимает часы и стоит заметно дороже.
Автоматическая уступает на шумном материале. Меток спикеров и таймкодов в VoiceKit нет. На чистой записи ошибки в основном в именах и терминах, поэтому для большинства задач хватает автоматического черновика и короткой вычитки. Имена, названия и узкие термины всё равно стоит перепроверить.
Как подготовить запись к транскрибации
- Держите микрофон ближе к говорящему. Расстояние влияет на качество сильнее, чем модель телефона.
- Выключайте фоновую музыку: она мешает распознаванию больше ровного шума.
- Просите участников не перебивать друг друга. Наложенные голоса разбираются хуже всего.
- Следите за весом файла. Боты в Telegram скачивают файлы до 20 МБ: час речи в моно при 32 кбит/с занимает около 14 МБ, а в mp3 на 128 кбит/с около 57 МБ. Тяжёлую запись пережмите или разрежьте на части.
Язык выбирать не нужно, бот определит его сам. На старт даём 30 минут бесплатно.