Преобразование записи в текст
Опубликовано · Обновлено 2 мин чтения
Расшифровка записи, лекции, совещания, голосового сообщения или интервью избавляет от необходимости заново прослушивать всё, чтобы найти фразу. Инструмент расшифровывает аудиофайл в вашем браузере с помощью модели распознавания речи. Результат полезен, но требует перечитывания: при чётком голосе рассчитывайте примерно на одно слово из четырёх для исправления, а выбор языка и шум сильно меняют результат.
Что делает инструмент
Аудио в текст расшифровывает аудиофайл в вашем браузере. Файл не отправляется: загружается только модель, один раз, после того как вы отметите окно согласия. Предлагаются три формата экспорта: TXT для текста, SRT и VTT для субтитров.
Что загружает первое использование
При первом использовании браузер загружает модель и её скрипты с двух служб вне сайта. Это загрузки: ни одна не уносит ваш аудиофайл. Кнопка «Очистить кэш» затем удаляет модель из браузера, если вы хотите вернуть место.
Выбор языка
Меню языков предлагает автоматическую настройку и двадцать языков. С встроенной моделью автоматическое определение легко ошибается: у французского голоса оно может принять его за английский и выдать фразы, не связанные с тем, что было сказано. Поэтому инструмент по умолчанию выбирает язык страницы. Всегда выбирайте язык записи, это настройка, которая сильнее всего меняет результат.
| Заданный язык | Ошибочные слова из 32 |
|---|---|
| Автоматически | почти все |
| Французский | от 8 до 10, четверть |
Что даёт верный язык
При чётком голосе расшифровка понятна, с типичными ошибками: потерянное множественное число («parcels» вместо «parcelles»), имя собственное без заглавной буквы, число, записанное цифрами («3» вместо «три»), и редкие слова, услышанные неверно. Поэтому перечитывание остаётся необходимым.
Влияние шума
Фоновый шум быстро ухудшает расшифровку.
| Запись | Ошибочные слова из 32 |
|---|---|
| Без шума | 8 (25 %) |
| Лёгкий шум, слабее голоса | 11 (34 %) |
| Шум такой же громкий, как голос | 31 (97 %) |
Лёгкий шум стоит нескольких слов. Шум такой же громкий, как голос, делает расшифровку непригодной.
Время обработки
Рассчитывайте на время от нескольких секунд до десяти для записи около пятнадцати секунд, включая загрузку модели, на настольном компьютере. Более длинному файлу нужно больше времени и памяти.
О чём эти цифры не говорят
Эти порядки величин получены на чётких ровных голосах. Настоящий голос, с акцентом, запинками или несколькими говорящими, даст другие цифры. Попробуйте короткий фрагмент собственной записи, прежде чем запускать весь файл.
Как улучшить результат
- Выберите в меню язык записи.
- Уменьшите шум у источника: микрофон рядом даёт лучший результат, чем фильтр, применённый потом.
- Если файл в необычном формате, сначала преобразуйте его с помощью Преобразование записи голоса без потери качества.
Всегда перечитывайте имена собственные, числа и технические термины.
Для каких записей
Лекция, совещание, интервью или голосовое сообщение: текст позволяет искать фразу, не прослушивая всё заново, и брать из него отрывки.
Проверка полученного текста
- Прослушайте запись, следя за текстом.
- Исправьте имена, числа и согласование.
- Экспортируйте как TXT для текста, как SRT или VTT для субтитров.
Часто задаваемые вопросы
- Отправляется ли моя запись для расшифровки?
- Нет. Загружается только модель, один раз, после вашего согласия. Аудиофайл остаётся на вашем устройстве.
- Какой точности ожидать?
- При чётком голосе по-французски рассчитывайте примерно на одно слово из четырёх для исправления. Фоновый шум быстро ухудшает её.
- Какой язык выбрать?
- Язык записи. Автоматическое определение легко ошибается со встроенной моделью.
- Какие форматы экспорта предлагаются?
- TXT для текста, SRT и VTT для субтитров.