Диктофонная запись отличается от голосового сообщения тремя вещами: она
длинная, на ней часто несколько человек, и качество бывает любым. Разбираем,
как достать файл с любого устройства и получить читаемый текст.
Первые минуты бесплатноБез загрузки в облакоРазделение по голосам
Откуда взять файл
Первая половина задачи — вытащить запись с устройства. Дальше всё
одинаково, независимо от того, чем записывали.
Откуда запись
Формат
Как достать
iPhone, «Диктофон»
M4A
Открыть запись → «Поделиться» → «Сохранить в Файлы» либо отправить себе в мессенджер. Через iCloud Drive запись видна и на компьютере
Android, штатный диктофон
M4A, реже 3GP
Записи лежат в папке Recordings или Sounds. Проще всего подключить телефон кабелем и скопировать
Старые телефоны и звонки
AMR
Формат древний и сильно сжатый. Распознаётся, но точность ниже: в нём мало высоких частот
Отдельный диктофон
WAV, MP3
Подключить кабелем или вынуть карту памяти. WAV — лучший вариант из всех: сжатия нет вовсе
Запись звонка приложением
M4A, MP3
Файлы обычно лежат в собственной папке приложения; там же настраивается качество
Видео с камеры или созвона
MP4, MKV
Звук извлекать не нужно, видеофайл распознаётся напрямую. Видео в текст
Что не стоит делать с файлом
Конвертировать «на всякий случай». Перегон M4A в MP3 не улучшает ничего, а качество теряет. Все перечисленные форматы распознаются как есть.
Резать на куски вручную. Разбиение по времени делает сам инструмент, и делает это по паузам, а не по минутам.
Чистить шум сторонним редактором. Агрессивное шумоподавление съедает согласные, и текст выходит хуже, чем с исходной записи.
Когда на записи несколько человек
Интервью, совещание, приём — это всегда два и больше голосов, и сплошная
простыня текста без разметки почти бесполезна. Разделение по говорящим
разбивает расшифровку на реплики и подписывает их: «Говорящий 1»,
«Говорящий 2».
Точность разделения зависит не от программы, а от записи:
Что помогает
Один микрофон посередине стола, люди не перебивают друг друга, голоса заметно разные. В таких условиях реплики раскладываются почти без ошибок.
Что мешает
Наложение голосов, эхо в пустой комнате, телефон в кармане, похожие голоса. Здесь ошибается любой алгоритм, включая облачные.
Что делать заранее
Положить телефон ближе к тому, кто говорит тише. Одна минута тишины в начале записи заметно облегчает разбор.
Что делать потом
Переименовать говорящих в расшифровке: имена читаются лучше номеров, а искать по тексту становится проще.
Разделение говорящих в Dictator считает ваш компьютер — как и само
распознавание. Запись при этом никуда не отправляется.
Сколько времени займёт час записи
Ответ зависит от того, где считается расшифровка.
0минутных лимитов у локального режима
100языков распознавания офлайн
4 чмаксимум одной записи на Pro
На видеокарте локальное распознавание идёт быстрее реального времени: час
записи обрабатывается за считаные минуты. На процессоре медленнее, зато
ничего не ждёт очереди на чужом сервере и не считает минуты. Ограничение
одно — длительность одного файла: 30 минут на бесплатном тарифе,
90 минут на Basic, 4 часа на Pro и без ограничения на Premium. Число файлов
не ограничено ни на одном тарифе, поэтому запись длиннее предела делится на
части заранее, любым аудиоредактором.
Если запись плохого качества
Плохая запись — это не приговор, но и не повод ждать чуда. Что реально
помогает:
Выбрать модель потяжелее
В настройках распознавания есть выбор размера модели. На шумной записи разница между лёгкой и тяжёлой моделью заметнее всего.
Указать язык вручную
На шумной записи автоопределение языка ошибается чаще. Если язык известен, лучше задать его сразу.
Добавить свой словарь
Фамилии, названия компаний и термины распознаются хуже обычных слов. Собственный словарь снимает большую часть таких ошибок.
Не ждать точности от AMR
Записи телефонных звонков в старом формате физически лишены части частот. Текст получится, но с ошибками, и это ограничение записи, а не программы.
Почему запись лучше не загружать в облако
Диктофонная запись — это чаще всего чужой голос: интервью, приём, встреча,
разговор с клиентом. Онлайн-сервисы устроены так, что файл нужно
загрузить на их сервер, и это не всегда допустимо: договор о
конфиденциальности, врачебная тайна, адвокатская тайна, внутренние правила
компании.
Локальное распознавание снимает вопрос целиком: файл остаётся на диске,
интернет не нужен, а месячной квоты минут не существует, потому что считать
нечего — работу делает ваше железо. Разбор — на странице
про расшифровку.
Как это выглядит
Каждая расшифровка остаётся вместе со звуком: спорное место можно переслушать, не открывая файл заново.
Ради этого переключателя всё и затевалось: запись приёма или совещания не покидает компьютер.
Частые вопросы
Как перенести запись с айфона на компьютер?
Открыть запись в «Диктофоне» → «Поделиться» → «Сохранить в Файлы» либо отправить себе в мессенджер. Если включён iCloud Drive, файл появится на компьютере сам. Формат будет M4A, конвертировать его не нужно.
Какие форматы распознаются?
Все распространённые: M4A, MP3, WAV, OGG, AMR, а также видеофайлы MP4 и MKV — из них звук берётся автоматически.
Нужно ли конвертировать M4A в MP3?
Нет. M4A распознаётся напрямую, а конвертация только съедает качество и время.
Расшифровка разделит говорящих?
Да, реплики разбиваются по говорящим и подписываются номерами, которые потом можно переименовать. Точность зависит от записи: наложение голосов и эхо мешают любому алгоритму.
Сколько занимает расшифровка часа записи?
На видеокарте — быстрее реального времени, то есть считаные минуты. На процессоре дольше, но без очереди на чужом сервере и без счётчика минут.
Есть ли ограничение по длине записи?
Ограничена длительность одного файла: 30 минут на бесплатном тарифе, 90 минут на Basic, 4 часа на Pro, без ограничения на Premium. Число файлов не ограничено, и месячного лимита минут у локального распознавания нет.
Запись уходит на сервер?
В локальном режиме — нет, файл не покидает диск и интернет не требуется. Облачное распознавание есть отдельно, для случаев, когда своего железа не хватает, и включается вручную.
Можно ли получить текст с отметками времени?
Да, расшифровка разбивается по времени, и по ней можно искать. Это удобнее сплошного текста, когда запись длинная и к ней придётся возвращаться.
Перетащите запись
Первые минуты расшифруются бесплатно, без регистрации и без загрузки в облако.
Dictator
О программе →
