Аудио в текст: расшифровка записей и лекций
Диктофонная запись расшифровывается лучше видео с созвона: там обычно один говорящий и меньше посторонних звуков.
Как получить хороший текст
Половина результата закладывается ещё при записи.
Пишите ближе к говорящему
Расстояние до микрофона влияет на точность сильнее, чем выбор сервиса.
Уберите фон
Музыка и шум улицы дают самые заметные ошибки распознавания.
Разбейте длинную запись
Часовые файлы удобнее обрабатывать частями: проще искать и вычитывать.
Чем это делают
| Сервис | В чём удобен | Ограничение |
|---|---|---|
| Whisper | Бесплатно и без лимитов | Требует установки |
| SpeechKit | Оплата в рублях и документы | Порог входа выше |
| Speechpad | Просто и бесплатно | Больше подходит для диктовки |
Тайминги и говорящие
Для лекции достаточно сплошного текста: важен смысл, а не кто и когда сказал. Для интервью и рабочей встречи всё наоборот — там нужны и тайминги, и разделение по репликам, иначе текст невозможно перепроверить.
Разделение говорящих работает неплохо, пока люди не перебивают друг друга. На спорах и живом обсуждении путаница неизбежна — это ограничение технологии, а не конкретного сервиса.
Где чаще всего ломается
- Запись сделана на встроенный микрофон издалека — точность резко падает
- Несколько говорящих слиты в один поток
- Числа и суммы распознаны неверно — их проверяют в первую очередь
- Длинная запись обрабатывается долго — разбейте на части
Если из записи нужен документ
Расшифровка редко бывает целью: обычно нужен конспект лекции, протокол встречи или текст статьи. Агент Leantech делает это за один шаг и отдаёт готовый файл.
Поставить задачу →Частые вопросы
Какой формат записи лучше?
Любой распространённый; важнее качество самой записи, а не формат.
Можно ли расшифровать телефонный разговор?
Технически да, но качество телефонной линии заметно снижает точность.
Нужна ли оплата?
Разовые задачи обычно укладываются в бесплатные лимиты.