Распознавание речи в браузере
Этот инструмент переводит MP3 в текст с помощью Whisper — открытой модели распознавания речи. Большинство онлайн-сервисов расшифровки загружают ваше аудио на сервер. Здесь модель один раз загружается в браузер и затем работает на вашем компьютере или телефоне. Запись не покидает устройство, что важно для интервью, медицинских и юридических заметок, совещаний и личных голосовых сообщений. После первой загрузки модель сохраняется в браузере и в следующий раз запускается быстрее.
Языки и точность
Whisper здесь работает с 23 языками, среди которых английский, испанский, французский, немецкий, итальянский, португальский, русский, китайский, японский, корейский, турецкий и польский. Точность выше всего для чёткой речи с минимумом посторонних шумов. Она ниже, если:
- говорят сразу несколько человек;
- на фоне громкая музыка или шум;
- говорящий очень тихий или находится далеко от микрофона;
- встречаются редкие имена и специальные термины;
- в одном предложении смешаны несколько языков.
Если выбрать язык вручную, а не использовать автоопределение, результат обычно получается лучше, особенно для коротких записей.
Форматы результата
| Формат | Что содержит | Применение |
|---|---|---|
| TXT | обычный текст | заметки, документы, цитаты |
| SRT | пронумерованные субтитры со временем начала и конца | видеоредакторы, YouTube, большинство плееров |
| VTT | веб-субтитры с таймингом | HTML5-плееры, веб-страницы |
Скорость и длинные записи
Расшифровка — тяжёлая задача для компьютера. На современном ноутбуке часовая запись может обрабатываться от нескольких минут до времени, превышающего её длительность, в зависимости от процессора, размера модели и браузера. На телефонах всё медленнее. Не закрывайте вкладку, пока идёт работа. Очень длинные файлы можно разрезать на части с помощью инструмента «Разделить аудио» и расшифровывать по одной.
Советы для лучшей расшифровки
Модель слушает короткими окнами примерно по 30 секунд и записывает услышанное с временем начала и конца. Знаки препинания и заглавные буквы она расставляет сама, но не определяет, кто говорит, поэтому в интервью дикторов придётся отметить самостоятельно. Долгие паузы и музыка без речи пропускаются или остаются пустыми. Если запись начинается с музыки, первые строки текста могут появиться позже, чем вы ожидаете, — это нормально.
- Перед расшифровкой очистите шумные записи с помощью шумоподавления.
- Если говорящий тихий, сначала поднимите громкость с помощью нормализации.
- Для субтитров проверьте тайминг в видеоплеере. Если субтитр слишком длинный для чтения, разделите его в текстовом редакторе: SRT и VTT — это обычные текстовые файлы.
- Обязательно прочитайте расшифровку целиком. Исправьте имена, числа и слова, которые модель могла расслышать неверно.
Видеофайлы тоже подходят: перетащите MP4, и инструмент расшифрует его звуковую дорожку. Это быстрый способ сделать субтитры для собственных роликов.