Аудиозапись любого происхождения (диктофон, звонок, голосовые сообщения, запись встречи) превращается в текст так: отправьте файл боту Поток в Telegram, он принимает аудио и видео до 2 ГБ. Час записи в mp3 при 128 кбит/с весит около 57,6 МБ, поэтому длинные записи обычно проходят целиком.
Расшифровать запись
Отправьте голосовое сообщение, аудио или видео боту @potok_now_bot в Telegram, и текст придёт в чат.
Перейти к @potok_now_bot в Telegram
Файлы до 2 ГБ · экспорт в TXT, MD, DOCX, PDF, SRT и VTT · метки говорящих и тайм-коды · около 30 языков
Факты по делу
- Час записи в mp3 при 128 кбит/с весит около 57,6 МБ: это 128 000 бит в секунду, умноженные на 3 600 секунд и делённые на 8.
- Поток принимает аудио- и видеофайлы до 2 ГБ и читает формат сам, отдельно конвертировать запись не нужно.
- В тексте реплики разделены по спикерам и снабжены тайм-кодами; спикеры подписаны номерами, а не именами.
- Результат можно выгрузить в TXT, MD, DOCX или PDF, а субтитры к записи — в SRT или VTT.
Что вы получите из записи
| Что | Как это выглядит |
|---|---|
| Что принимает бот | Аудиофайлы mp3, m4a, wav, ogg, opus, flac, aac, amr, wma и видео со звуковой дорожкой, до 2 ГБ |
| Текст | Полная расшифровка; выгрузка в TXT, MD, DOCX или PDF |
| Спикеры и время | Реплики подписаны «Спикер 1», «Спикер 2», рядом тайм-коды |
| Субтитры | Файлы SRT и VTT, если запись нужно показать с титрами |
| Главное по записи | Кнопка «Выжимка» собирает краткий пересказ |
| Размер часа записи | mp3 128 кбит/с — около 57,6 МБ; wav моно 16 кГц — 115,2 МБ; wav стерео 44,1 кГц — около 635 МБ |
Как расшифровать аудиозапись по шагам
- Сохраните запись файлом. Возьмите файл там, где он появился: в приложении диктофона, в истории звонков, в мессенджере или на странице записи встречи. Если запись есть только как ссылка с закрытым доступом, скачайте её на устройство.
- Проверьте звук. Прослушайте первые секунды. Если речь слышна, распознавание справится; если голоса тонут в шуме, в тексте будут пропуски, и это свойство записи, а не ошибка бота.
- Отправьте файл боту. Найдите @potok_now_bot в Telegram и добавьте файл сообщением. Бот берёт до 2 ГБ; очень длинные записи удобнее загружать кнопкой «Загрузить» в мини-приложении.
- Включите разметку по спикерам. Если в записи несколько голосов, включите разметку по спикерам: реплики получат метки «Спикер 1», «Спикер 2» и тайм-коды.
- Сверьте имена и числа. Имена, суммы, даты и названия проверьте по звуку: на тайм-коде легко найти нужное место и послушать его ещё раз.
Сколько весит запись и поместится ли она
Размер файла зависит от формата и качества, а не от длины речи. Ориентиры для одного часа записи (расчёт: бит в секунду × секунды ÷ 8):
- mp3, 64 кбит/с — 28,8 МБ;
- mp3, 128 кбит/с — 57,6 МБ;
- mp3, 192 кбит/с — 86,4 МБ;
- wav, моно, 16 кГц, 16 бит — 115,2 МБ;
- wav, стерео, 44,1 кГц, 16 бит — около 635 МБ.
В предел 2 ГБ укладывается около 35 часов mp3 по 128 кбит/с или чуть больше трёх часов несжатого стерео-wav. Обычно запись помещается целиком, резать её на части не нужно.
Как выглядит результат
[00:00] Спикер 1: Записываю итоги: поставку переносим на четверг.
[00:11] Спикер 2: Склад подтвердил время? Мне нужно письменное подтверждение.
[00:27] Спикер 1: Подтвердил, пришлю сообщением сегодня до конца дня.
[00:41] Спикер 2: Тогда фиксируем: четверг, вторая половина дня.
Строки написаны нами, чтобы показать вид текста. Это не результат реальной записи.
| Параметр | Что это значит |
|---|---|
| Выжимка | Кнопка «Выжимка» под расшифровкой даёт краткий конспект |
| Вход | Голосовые сообщения, аудио- и видеофайлы |
| Языки речи | Примерно 30 языков с хорошими опубликованными результатами; ещё несколько с предупреждениями |
| Метки и время | Можно включить метки говорящих и тайм-коды |
| Где пользоваться | В Telegram, через @potok_now_bot; крупные файлы бот берёт через мини-приложение |
Частые ошибки с записями
| Промах | Последствие | Что сделать |
|---|---|---|
| Присылают ссылку на запись с закрытым доступом | Бот не может открыть чужое хранилище, текста не будет | Скачайте запись и отправьте сам файл |
| Режут длинную запись на части без нужды | Рвётся нумерация спикеров, теряется контекст | Отправьте файл целиком: до 2 ГБ он проходит как есть |
| Принимают метки «Спикер 1» и «Спикер 2» за имена | Реплики приписывают не тем людям | Подпишите роли вручную после расшифровки |
| Не проверяют числа и имена по звуку | Неверная сумма или фамилия уходит дальше в документ | Найдите место по тайм-коду и перепроверьте на слух |
Разборы по типам записей
Для разных источников звука есть отдельные разборы: запись с диктофона, телефонный звонок, голосовое сообщение, запись встречи и видео.
Что ещё спрашивают
Какие форматы аудиозаписи принимает бот?
Бот принимает mp3, m4a, wav, ogg, opus, flac, aac, amr, wma и ещё несколько форматов, а также видео со звуковой дорожкой. Конвертировать запись заранее не нужно.
Сколько весит час аудиозаписи?
Час mp3 при 128 кбит/с весит около 57,6 МБ, час несжатого стерео-wav — около 635 МБ. Оба варианта меньше предела в 2 ГБ.
Можно ли получить текст с разделением по спикерам?
Да, включите разметку по спикерам. Реплики будут подписаны «Спикер 1», «Спикер 2» и так далее; имена бот не угадывает, роли подпишите сами.
Что делать, если запись тихая или шумная?
Отправьте как есть и проверьте текст по звуку на тайм-кодах. В следующий раз ставьте записывающее устройство ближе к говорящему.
Источники
Мы открыли каждую страницу ниже в указанный день. Раз страницы обновляются, важные детали сверяйте с источником.
- MPEG-1 Audio Layer III / MP3 (Library of Congress), Library of Congress · проверено
- WAVE audio file format (Library of Congress), Library of Congress · проверено
Проверьте на своей записи
Напишите @potok_now_bot в Telegram и добавьте файл. Готовый текст появится в переписке, когда распознавание закончится.
Открыть @potok_now_bot в Telegram