Коротко: какой способ подойдёт
Выбор зависит от задачи:
- Готовый файл до 1 часа. Бесплатный тариф Scribly: реплики по спикерам (говорящим на записи) с таймкодами (отметками времени) и выгрузка в документ.
- Нужно надиктовать текст. Голосовой ввод в Google Документах.
- Встреча ещё впереди. Расшифровка в программе видеосвязи, если она есть на вашем тарифе.
- Запись нельзя выпускать с компьютера. Whisper, открытая модель распознавания речи, на своём компьютере, если вы готовы повозиться с настройкой.
- Короткий фрагмент или очень плохой звук. Ручная расшифровка.
Аудио в текст бесплатно в Scribly
После регистрации и подтверждения почты на счёте 120 минут. Они не сгорают, а бесплатный тариф каждые 30 дней добавляет ещё 30 минут. Банковская карта не нужна.
Один файл может длиться до 1 часа и весить до 1 ГБ. Подходят AAC, AIF, AIFF, AMR, FLAC, M4A, MP3, OGG, OPUS, WAV, WMA, MP4, MOV, MKV, WEBM, AVI, M4V, WMV, ASF; звук из видео сервис извлечёт сам.
Бесплатно доступны разделение на спикеров, таймкоды, больше 60 языков с автоопределением, слова-подсказки для фамилий и терминов, правка текста и имён спикеров в кабинете и выгрузка в DOCX (формат Word), PDF, Markdown (текст с простой разметкой), TXT (простой текст) и файлы субтитров SRT и VTT. Скачивать результат можно повторно, пока расшифровка хранится.
Чего на бесплатном тарифе нет:
- Длинных файлов. Запись длиннее 60 минут придётся резать на части. На платных тарифах файл может длиться до 5 часов, цены на странице тарифов.
- Выжимки, или TL;DR, то есть короткого пересказа записи. Она есть только на тарифах «Про» и «Бизнес».
- Долгого хранения без продления. Расшифровка хранится 60 дней, а кнопка «продлить» на её странице отсчитывает срок заново.
- Приоритета. Бесплатные файлы уходят в распознавание после платных, поэтому в часы нагрузки ждать дольше.
- Мест для коллег. На бесплатном тарифе одно место.
Минуты списываются за готовую расшифровку или за распознанную запись без речи, при ошибке они остаются на счёте. Исходный файл удаляется сразу после отправки на распознавание. Расшифровки по ссылке, перевода и записи созвонов нет ни на одном тарифе, нужен готовый файл.
Голосовой ввод в Google Документах
Чтобы перевести речь в текст прямо с микрофона, в Google Документах выберите «Инструменты» → «Голосовой ввод» и нажмите на значок микрофона. По справке Google функция работает в последних версиях Chrome, Edge и Safari и понимает русский. Нужен только аккаунт Google.
Голосовой ввод слушает микрофон, загрузить в него файл нельзя. Готовую запись придётся проигрывать вслух. Час записи займёт не меньше часа вашего времени, а шум комнаты тоже попадёт в распознавание. На выходе получается сплошной текст без спикеров и таймкодов.
Справка предупреждает, что знаки препинания голосом добавляются не во всех языках, а команды правки работают только на английском. В рабочем аккаунте функцию может отключить администратор.
Расшифровка в программе видеосвязи
Если встреча ещё впереди, проверьте, умеет ли её расшифровывать сама программа видеосвязи. Такая функция рассчитана на встречи внутри этой программы, включать её нужно заранее или во время звонка, и бесплатна она не всегда.
Например, в Яндекс Телемосте ИИ-конспект с полной расшифровкой, по справке Яндекс 360, доступен только организациям на платных тарифах и аккаунтам на домене организации, а готовится до 24 часов. На личном аккаунте остаётся запись звонка на компьютер: в Яндекс Браузере и программе для компьютера без ограничения длительности, в Chrome до 30 минут. Такой видеофайл потом расшифровывают отдельно, об этом статья «Как перевести видео в текст».
В других программах видеосвязи условия зависят от тарифа, поэтому смотрите их до встречи.
Whisper: распознавание на своём компьютере
Whisper — открытая модель распознавания речи: её можно скачать и бесплатно запустить у себя без лимита минут, и записи не уйдут с вашего компьютера. Код и веса (файлы, в которых хранится обученная модель) выложены под лицензией MIT.
Взамен придётся потратить время на настройку. По описанию на странице проекта нужны Python (язык программирования, на котором работает модель), пакет Whisper и ffmpeg (бесплатная программа для работы со звуком и видео). Запуск идёт из командной строки: команды вводятся текстом, кнопок нет. Моделей несколько: маленькие работают быстрее, крупные ошибаются реже. Памяти видеокарты им нужно около 1–10 ГБ в зависимости от размера, а качество заметно зависит от языка записи.
На выходе текст и субтитры с таймкодами (TXT, файлы субтитров SRT и VTT и другие форматы). Разделять речь на спикеров исходная версия не умеет, редактора в ней нет. Есть сторонние программы и надстройки, которые упрощают запуск или добавляют спикеров, но выбирать и проверять их придётся самому.
Ручная расшифровка
Ручная расшифровка не стоит денег, но съедает время. Исследователи Манчестерского университета в руководстве по расшифровке оценивают час записи в 4–7 часов работы в зависимости от скорости печати, качества звука и сложности разговора. Десять часовых интервью — это 40–70 часов набора.
Ещё дольше выйдет с несколькими участниками, плохим звуком или быстрой речью. Авторы советуют ножную педаль и программу для расшифровки, которая ставит запись на паузу и отматывает её без отрыва рук от клавиатуры. По их оценке, это сокращает работу на треть или вдвое, а такие программы бывают и бесплатными.
Ручной способ оправдан для коротких фрагментов, очень плохого звука и исследований, где важна каждая пауза. В остальных случаях обычно быстрее вычитать автоматическую расшифровку по записи.
Сравнение бесплатных способов
| Способ | Сколько бесплатно | Спикеры | Таймкоды | Что нужно от вас |
|---|---|---|---|---|
| Бесплатный тариф Scribly | 120 минут при регистрации, затем 30 минут каждые 30 дней, файл до 1 часа | есть | есть | загрузить файл и вычитать текст |
| Голосовой ввод в Google Документах | входит в бесплатные Google Документы | нет | нет | проиграть запись в микрофон целиком, расставить абзацы и знаки |
| Расшифровка в программе видеосвязи | зависит от тарифа; в Телемосте только у организаций на платных тарифах | зависит от программы | зависит от программы | включить расшифровку до или во время встречи |
| Whisper на своём компьютере | без лимита минут, ограничивает только компьютер | нет в исходной версии | есть | установить Python и ffmpeg, работать в командной строке, желательна видеокарта |
| Ручная расшифровка | денег не стоит | размечаете сами | расставляете сами | 4–7 часов работы на час записи |
Вычитка нужна при любом способе. Фамилии, термины и цифры стоит сверить с записью, особенно перед цитатой или отчётом.
На что смотреть в бесплатных сервисах транскрибации
Ограничения бесплатных тарифов часто всплывают уже после загрузки. Перед тем как отдавать важную запись, проверьте:
- Лимит на один файл. Минуты в месяц не помогут, если файлы длиннее нескольких минут не принимаются.
- Целиком ли текст. Некоторые сервисы бесплатно показывают только первые минуты расшифровки, а остальное открывают после оплаты.
- Спикеры и таймкоды. Без них разговор читается сплошным текстом. Посмотрите и то, можно ли переименовать спикера и перенести реплику.
- Выгрузка. Документ Word, PDF, простой текст или только копирование из окна; нет ли на результате рекламы сервиса.
- Хранение и доступ. Сколько хранятся файл и текст, можно ли удалить их самому и кто ещё их видит.
- Переход на платное. Нужна ли карта уже для бесплатного тарифа и продлевается ли подписка сама.
Проверять лучше на своей типичной записи, а не на демо с сайта. Подробнее о подготовке записи и настройках в статье «Как перевести аудио в текст».