Плохой звук мешает расшифровке: YouTube пишет, что качество автосубтитров зависит от произношения, акцента и шумов. Шум можно снизить в Audacity в 2 шага: сначала взять профиль шума, потом применить Noise Reduction. Русскую запись принимает Telegram-бот «Потока» @potok_now_bot.
Шум, эхо и невнятная речь мешают расшифровке. Часть проблем можно смягчить до расшифровки: очистить звук или заранее понять, что именно мешает.
Расшифровка аудио с плохим качеством звука: что можно сделать
YouTube честно описывает пределы своих автосубтитров. Качество сильно зависит от произношения, акцента, диалекта и посторонних шумов. Субтитры не создаются, если звук плохой, ролик слишком длинный, язык не поддерживается, в начале долго тихо или говорят несколько человек сразу либо на нескольких языках. Apple Podcasts добавляет к этому перекрёстную речь и громкую музыку: с ними расшифровка тоже затруднена.
Шум можно снизить в Audacity. Выделите участок, где слышен только шум, не короче 2048 сэмплов, и выберите Get Noise Profile. Затем примените Effect > Noise Reduction ко всей записи. Лучше всего эффект справляется с постоянным шумом, гулом и шипением. Для щелчков и нерегулярного шума, например трафика, он не годится. Когда речь едва громче шума, результат хуже. Слишком сильные настройки портят речь и дают «музыкальные» артефакты. Профиль шума не сохраняется между сеансами.
В ffmpeg для шумоподавления есть фильтр afftdn: в справке он описан как «Denoise audio samples with FFT».
Сама нейросеть тоже может ошибаться. На карточке Whisper large-v3 отмечены «выдуманные» фразы и повторы, поэтому текст по плохой записи стоит сверить с аудио. Как устроены такие модели, объясняет статья про нейросети для расшифровки аудио.
| Сервис | Бесплатно | Платно |
|---|---|---|
| Бот «Потока» и веб-версия | 60 минут в месяц | 7 дней — 249 ₽, 30 дней — 449 ₽, год — 2 890 ₽; входит в подписку приложения «Поток» |
| Otter.ai | Basic: 300 минут транскрибации в месяц, до 30 минут на встречу, 3 импортированных файла за всё время использования — бесплатно навсегда | $16.99/мес (Pro, помесячная оплата, 1200 мин/мес); $8.33/мес (Pro, при годовой оплате (сумма списывается за год)); $30/мес (Business, помесячная оплата) |
| Transkriptor | 10 минут при регистрации, лимит 2 мин/день (по данным локализованного российского сайта transkriptor.ru); на международном сайте transkriptor.com заявлен бесплатный пробный период (по вторичным источникам — до 90 минут, официальная страница pricing не была доступна напрямую из-за таймаута загрузки) | 490 ₽/разово (Старт, 150 минут (transkriptor.ru)); 790 ₽/разово (Про, 700 минут (transkriptor.ru)); 1900 ₽/разово (Премиум, 2100 минут (transkriptor.ru)) |
| SaluteSpeech Bot (Сбер) | бесплатно; голосовые, аудио и кружки | — |
| Voicy (@voicybot) | бесплатно; на движке Wit.ai — записи до 50 секунд | — |
| Войси (@Voicee_AI_Bot) | 45 минут на старте | 500 ₽/час записи (без пакета; с пакетами дешевле) |
| KolerskyAI Whisper Bot | первые 5 минут | 69 ₽/15 минут; 149 ₽/50 минут; 490 ₽/200 минут |
Когда бот не подойдёт
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета оно не работает. Приложение для диктовки готовые записи не расшифровывает, для них есть Telegram-бот @potok_now_bot. Он понимает только русскую речь, поэтому запись на другом языке ему не подойдёт, и перевода в нём тоже нет. Бот принимает голосовые, аудио и видео и даёт 60 минут бесплатно каждый месяц: короткая запись приходит текстом в чат, длинная файлом. Одна подписка действует и в приложении для диктовки, и в боте для записей и голосовых. Точность на шумной записи бот не обещает, поэтому важные места сверяйте с аудио.
Что выбрать при плохом звуке
- Если шум постоянный, например гудит техника: очистите запись в Audacity и только потом расшифровывайте.
- Если шум нерегулярный, щёлкает или шумит улица: Noise Reduction не поможет, лучше переписать запись заново.
- Если нужна выжимка из готового текста, посмотрите материал про выжимку и задачи из записи.
- Если нужна русская расшифровка без возни со звуком: пришлите запись боту @potok_now_bot.
Частые вопросы
Не всегда. По руководству Audacity, Noise Reduction лучше работает с постоянным шумом вроде гула и шипения, а для щелчков и нерегулярного шума, например трафика, не годится. Чрезмерные настройки портят и саму речь.
Голосовой ввод — это диктовка в реальном времени: говоришь и сразу получаешь текст в активном поле. Транскрибация — это расшифровка уже готовой аудио- или видеозаписи (например, записи встречи) в текст постфактум. Приложение «Поток» решает первую задачу — живую диктовку; готовые записи на русском расшифровывает его Telegram-бот @potok_now_bot.
Голосовой ввод — это диктовка в реальном времени в активное текстовое поле. Транскрибация — перевод уже готовой аудио/видеозаписи (лекции, звонка, подкаста) в текст постфактум, часто с диаризацией (разделением по говорящим).
Да, у ряда платформ есть встроенная транскрибация встреч: в Zoom — для облачных записей, в Microsoft Teams — во время встречи, в Google Meet — на тарифах Google Workspace. Альтернатива — записать звук и обработать отдельным сервисом транскрибации после звонка. Приложение «Поток» такой расшифровки не делает — оно для живой диктовки; запись звонка файлом можно отправить Telegram-боту «Потока» @potok_now_bot.
Через Поток можно надиктовать протокол вживую, произнося его по ходу или сразу после совещания. Расшифровка уже записанного аудиофайла встречи (готовая запись Zoom/Телемост) — отдельная задача транскрибации: такой файл можно отправить Telegram-боту «Потока» @potok_now_bot.
Скачать установщик с potok.now/download → установить → зарегистрироваться по email → в любом текстовом поле зажать хоткей (по умолчанию Ctrl+Space) → говорить → отпустить хоткей — текст появится в поле.
Попробовать на своей записи
Бот «Потока» в Telegram расшифрует голосовое, кружок, аудио или видео, а по кнопкам сделает выжимку и список задач. 60 минут в месяц бесплатно.
Открыть @potok_now_bot в Telegram
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: support.microsoft.com · support.apple.com
Расшифровать запись в Telegram
Голосовые, кружки, аудио и видео расшифровывает Telegram-бот «Потока» @potok_now_bot: перешлите ему голосовое из любого чата, пришлите файл или ссылку на YouTube, VK Видео или RuTube. Короткая запись приходит текстом в чат, длинная — файлом; тайм-коды и разметку по спикерам можно включить. По кнопкам — краткая выжимка, задачи и сроки, ответ на вопрос по записи и выгрузка в TXT, DOCX, PDF или SRT. Большие файлы, до 2 ГБ, удобнее загружать в мини-приложении бота — кнопка «Загрузить» у поля ввода. Бот распознаёт русскую речь, 60 минут в месяц — бесплатно.