Транскрибация аудио онлайн — это превращение звучащей речи в оформленный текст: с абзацами, знаками препинания, отметками времени и указанием, кто что сказал. От простого распознавания речи она отличается именно оформлением: на выходе должен быть документ, с которым можно работать, а не поток слов.
Кому она нужна чаще всего
| Кто | Зачем |
|---|---|
| Журналисты | расшифровка интервью, быстрый поиск цитаты по тексту |
| Исследователи | глубинные интервью и фокус-группы под разметку |
| Юристы | стенограмма переговоров и заседаний |
| Продюсеры подкастов | текстовая версия выпуска, тайм-коды глав, нарезка цитат |
| Студенты и преподаватели | конспект лекции, текст для повторения |
| Отделы продаж | разбор записей звонков, обучение на реальных диалогах |
Что получается на выходе
- Сплошной текст — для чтения и цитирования.
- Фразы с таймкодами — чтобы вернуться к нужной секунде записи.
- Разметка по говорящим — для диалогов.
- SRT и VTT — субтитры для видео.
- Таблица CSV — если текст пойдёт в анализ или разметку.
Сколько занимает
Ручная расшифровка — это примерно четыре часа работы на час записи, и это при хорошем навыке слепой печати. Автоматическая укладывается в несколько минут, плюс вычитка — обычно десятая часть от исходного времени. Час интервью: пять минут обработки и пятнадцать минут правки против половины рабочего дня.
Если записей много
Когда расшифровка — не разовая задача, а поток, помогают три привычки:
- Единый порядок именования файлов. Дата, тема, участники — в имени файла, иначе через месяц в архиве не разобраться.
- Очистка звука до расшифровки. Пять минут на чистку дорожки экономят полчаса правки.
- Автоматизация через API. Если записи приходят регулярно, их можно ставить в обработку программно — это описано в разделе для разработчиков.
Подготовка записи: короткий чек-лист
- микрофон ближе к говорящему, чем к источнику шума;
- в начале записи каждый называет себя — так проще сопоставить говорящих с именами;
- не перебивать друг друга там, где это возможно;
- записывать в несжатом формате, если планируется обработка.
Частые вопросы
Сколько человек различает система? Двух-трёх — уверенно. В записи с пятью участниками часть реплик придётся сопоставлять вручную.
Можно ли расшифровать запись телефонного разговора? Да, но телефонный звук сильно сжат — ошибок будет больше, чем в студийной записи.
Что с конфиденциальными записями? Файлы нужны только на время обработки и не публикуются.