Как перевести аудио в текст через бота в Telegram

Аудио в текст расшифровывает Telegram-бот «Потока» @potok_now_bot: перешлите файл или голосовое в личных сообщениях — короткая запись придёт текстом, длинная запись файлом. Есть и мини-приложение бота для файлов до 2 ГБ. Распознавание бесплатно 60 минут в месяц; для быстрой диктовки собственного текста подойдёт приложение «Поток».

Есть аудиозапись — интервью, лекция, диктофонная заметка — а расшифровывать её вручную некогда? Telegram-бот «Потока» @potok_now_bot расшифровывает присланный файл в текст без установки программ. Бот облачный: распознавание идёт на серверах в России, без интернета он не работает.

Как перевести аудио в текст через бота в Telegram

Расшифровка занимает несколько шагов, без ввода данных карты и без установки приложений. Регистрация не нужна — бот работает сразу после команды /start.

1. Откройте бота @potok_now_bot в Telegram и нажмите «Запустить» — это команда /start.
2. Пришлите аудиофайл: в личных сообщениях его можно отправить документом, переслать голосовое или кружок из другого чата, или вставить ссылку на YouTube, VK Видео, RuTube. В группе, где бот добавлен администратором, он принимает голосовые, кружки и аудио длиной до 10 минут.
3. Дождитесь ответа. Короткая запись приходит текстом прямо в чат, более длинная — отдельным файлом; формат файла (TXT или DOCX) выбирается в настройках бота, /settings.
4. Под готовым текстом появляются кнопки «Выжимка», «Задачи и сроки», «Спросить» и «Другой формат» — можно получить короткий пересказ, список задач по спикерам или ответ на свой вопрос по содержанию записи.
5. Тайм-коды [мм:сс] и разметку по спикерам («Спикер 1», «Спикер 2») бот добавляет, если включить их заранее в /settings — по умолчанию присылает обычный текст без них.

Что придёт в ответ

Текст, который вернёт бот, уже вычитан: расставлены знаки препинания и заглавные буквы, исправлены явные ошибки распознавания, но сам текст бот не сокращает и не пересказывает по умолчанию — это отдельная кнопка «Выжимка». Что можно получить дальше:

• готовую расшифровку — текстом в чате или файлом TXT/DOCX, в зависимости от длины записи;
• выгрузку в других форматах — Markdown, PDF, а также субтитры SRT и VTT, если запись нужна для видео;
• короткую выжимку по кнопке «Выжимка» и список задач по кнопке «Задачи и сроки» — кто, что и к какому сроку;
• ответ на свой вопрос по содержанию записи через кнопку «Спросить», без повторного чтения всего текста;
• сохранённую запись в разделе «Мои записи» — открыть её снова можно в любой момент.

То же самое доступно и в браузере, на мини-приложение бота: вход по почте или через Telegram, файл до 2 ГБ можно перетащить в окно или вставить ссылку на YouTube, VK Видео, RuTube. Записи и доступ у бота и веб-версии общие. Если для сравнения нужен более широкий обзор сервисов расшифровки, есть отдельная статья — сравнение сервисов транскрибации аудио в текст.

Когда бот не подойдёт

Бот не подойдёт, если запись не на русском языке — распознаёт он только русскую речь, перевода на другой язык нет. Не получится узнать имена говорящих: бот размечает реплики только как «Спикер 1», «Спикер 2», без имён. Расшифровка идёт после того, как файл или ссылка присланы, а не во время самого звонка — на прямую трансляцию во время разговора бот не рассчитан. Ссылку на Instagram или TikTok он тоже не примет: из внешних источников бот понимает YouTube, VK Видео и RuTube. И без подключения к интернету бот работать не может — офлайн-расшифровки нет. Отдельно о том, почему расшифровка разговора нескольких людей сложнее диктовки одного голоса, — в статье почему транскрибация встреч сложнее обычной диктовки.

Частые вопросы

Первоисточники: core.telegram.org · www.ixbt.com · developers.sber.ru · t.me