Без загрузки в облако аудио расшифровывает whisper.cpp: он работает офлайн на Windows и macOS, но читает только 16-битный WAV. Word «Расшифровка» и Clipchamp работают через интернет. Telegram-бот «Потока» тоже облачный: записи обрабатываются и хранятся на серверах в России.
Приватно расшифровать запись можно только там, где звук не уходит по сети. Таких вариантов немного, и у каждого есть цена в виде ограничений.
Где звук остаётся на компьютере, а где уходит в облако
Запись не уходит по сети, если расшифровывать её программой, которая работает офлайн, на своём компьютере. Для этого нужен компьютер, который справится с моделью: у Whisper размер определяет требования, tiny обходится примерно 1 ГБ видеопамяти, large берёт около 10 ГБ. Word «Расшифровка» принимает файл по сети, это прямо указано в справке, а у Clipchamp обработка идёт в Azure. Какая схема подходит, зависит от самой записи: решать, можно ли отправлять её в облако, вам.
Как расшифровать аудио без загрузки на чужие серверы
- whisper.cpp работает офлайн на Windows и macOS, без зависимостей. Его whisper-cli читает только 16-битный WAV, поэтому mp3 сначала конвертируют: ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav.
- «Живые субтитры» Windows 11 включаются сочетанием Win+Ctrl+L и обрабатывают звук на устройстве. Русский там не поддерживается, субтитры не сохраняются.
- В облаке работают Word «Расшифровка» и Clipchamp. SpeechKit хранит результаты асинхронного распознавания 3 суток. SaluteSpeech Bot от Сбера распознаёт в облаке SaluteSpeech, пересказ в Яндекс Браузере использует облако Яндекса, а Otter.ai работает на серверах в США.
Расшифровывайте только те записи, которыми вы вправе пользоваться.
| 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
Если запись нельзя отправлять по сети вообще, бот «Поток» не подходит: это облачный сервис, распознавание идёт на серверах в России, а записи и расшифровки хранятся там же и остаются в разделе «Мои записи». Без интернета он не работает. Бесплатно в нём 60 минут в месяц; одна подписка покрывает приложение для диктовки и Telegram-бот potok_now_bot для записей и голосовых. Распознаёт он только русскую речь. О том, как устроены нейросети для расшифровки, читайте в отдельном материале, а о видеофайлах — здесь.
Частые вопросы
По документации, результаты асинхронного распознавания хранятся 3 суток. Максимальная запись для такого режима — 4 часа и 1 ГБ, загружается она через бакет.
По справке Microsoft, звук, голосовые данные и субтитры не покидают устройство. Но русский как язык распознавания там не поддерживается, а сами субтитры не сохраняются, так что для расшифровки русской записи функция не годится.
Поток — облачный сервис: распознавание идёт на серверах в России, локальной обработки нет. Данные хранятся в России (152-ФЗ); для бизнеса по запросу — серверы в периметре компании (on-prem), SSO и общий словарь.
Да, обязательно: Поток — облачный сервис, распознавание речи происходит на серверах в России, без интернета голосовой ввод не работает.
Голос и производный от него текст могут содержать персональные данные, поэтому для бизнеса важно, где физически стоят серверы обработки и распространяется ли на сервис 152-ФЗ. Поток предлагает бизнес-тариф с размещением on-prem или на серверах в РФ именно под это требование.
Зависит от конкретного сервиса — у одних аудио удаляется сразу после получения текста, у других хранится некоторое время для улучшения качества модели. Это должно быть прямо указано в политике конфиденциальности конкретного продукта; общего правила для всех сервисов нет.
Запись — в текст
Отправьте запись Telegram-боту «Потока» или загрузите файл до 2 ГБ в мини-приложении бота. Первые 60 минут каждого месяца — 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.