Транскрибация — это перевод устной речи в письменный текст: из аудио, видео или прямо с микрофона. Слово пришло из латыни (transcribere — «переписывать»), а в повседневной речи то же самое называют расшифровкой записи. Сегодня транскрибация нужна всем, кто работает с информацией: журналистам, студентам, менеджерам, юристам, исследователям, блогерам.
Чем транскрибация отличается от стенографии и перевода
- Стенография — запись речи в реальном времени особыми знаками, которые потом переводят в обычный текст. Транскрибация работает с уже готовой записью и сразу даёт обычный текст.
- Перевод меняет язык. Транскрибация сохраняет язык оригинала: из русской речи получается русский текст. Иногда эти задачи совмещают, например, когда из русской записи сразу делают английские субтитры.
- Транслитерация — запись слов буквами другого алфавита. К расшифровке речи она отношения не имеет, хотя названия похожи.
Виды транскрибации
Дословная сохраняет всё, что прозвучало: оговорки, повторы, «э-э», паузы. Её используют в исследованиях, судебной практике и при анализе речи. Чистовая (литературная) убирает слова-паразиты и оговорки, сохраняя смысл и стиль говорящего: это нормальный читаемый текст для статей, протоколов и конспектов. С таймкодами — текст, где у каждой фразы указано время в записи; без таймкодов не обойтись при подготовке субтитров и проверке цитат.
Нейросети по умолчанию выдают текст, близкий к чистовому: расставляют пунктуацию и обычно пропускают междометия. При этом таймкоды у них есть всегда.
Способы транскрибации: сравнение
| Способ | Сколько времени занимает час записи | Плюсы | Минусы |
|---|---|---|---|
| Вручную | 3–5 часов работы | Можно добиться идеальной точности | Долго и утомительно |
| Фрилансер-транскрибатор | От нескольких часов до пары дней | Не нужно делать самому | Платно, запись получает посторонний человек |
| Облачный сервис | Минуты | Быстро, у части сервисов есть разметка спикеров | Лимиты бесплатного тарифа, запись хранится на чужом сервере |
| Нейросеть в браузере | Минуты, зависит от компьютера | Бесплатно, без лимитов, запись не покидает устройство | Нет разметки спикеров, нужен не самый слабый компьютер |
Как работает автоматическая транскрибация
Современные системы распознавания речи — это нейросети, обученные на огромных массивах записей с готовыми текстами. Например, открытая модель Whisper обучалась на сотнях тысяч часов речи на десятках языков. Нейросеть получает звук, превращает его в спектрограмму (картинку, показывающую, какие частоты звучат в каждый момент времени) и по ней предсказывает слова, сразу с пунктуацией и таймкодами.
Раньше такие модели работали только на мощных серверах, поэтому расшифровка была облачной и платной. Теперь их можно запускать прямо в браузере: так работает сервис «Аудио в текст онлайн». Компьютер пользователя сам распознаёт речь, а сервер нужен только для того, чтобы отдать страницу и нейросеть.
Как перевести аудио в текст бесплатно: пошагово
- Откройте страницу расшифровки и перетащите файл в область загрузки. Подходят MP3, WAV, M4A, OGG, MP4, WEBM и другие форматы.
- Проверьте язык записи (по умолчанию русский) и выберите режим: «Обычная» для большинства записей, «Максимальная» для шумных и сложных.
- Нажмите «Расшифровать». В первый раз браузер скачает нейросеть, затем текст начнёт появляться по мере обработки.
- Проверьте результат: кликните по таймкоду, чтобы послушать фразу, и исправьте ошибки прямо в тексте.
- Скачайте текст в Word, TXT или в виде субтитров.
Где пригодится транскрибация
- Совещания и созвоны: стенограмма, из которой собирают протокол.
- Учёба: конспекты лекций и вебинаров.
- Журналистика и исследования: интервью и фокус-группы.
- Видео: субтитры и текстовые версии роликов.
- Переписка: голосовые сообщения, которые неудобно слушать.
- Голосовой ввод: диктовка текстов вместо набора.
От чего зависит точность
Главный фактор — качество записи: расстояние до говорящего, шум, эхо, одновременная речь. Второй — правильно выбранный язык. Третий — размер модели: крупные модели точнее, но требуют больше памяти и времени. Даже лучшие системы ошибаются в фамилиях и узких терминах, поэтому важный текст стоит проверить по таймкодам. Как записать звук так, чтобы ошибок было минимум, мы разобрали в статье «Как записать звук для точной расшифровки».