Аудиофайл в текст онлайн

Как это работает

1. Посмотрите расширение файла — буквы после точки в названии. Если оно есть в списке ниже, загружайте файл как есть.
2. Нажмите «Загрузить файл» и выберите запись. Если вы не вошли, сначала откроется вход — по ссылке из письма или через Яндекс ID. После входа нажмите «Загрузить файл» ещё раз.
3. Нажмите «Транскрибировать». Пока идёт загрузка, не закрывайте страницу и не сворачивайте браузер: большой файл браузер сначала сжимает, а потом отправляет. Когда откроется страница записи с надписью «Обрабатываем запись», её можно закрыть — готовый текст появится в разделе «Записи».
4. Проверьте имена и числа на слух — нажмите на слово, и плеер перейдёт к этому месту, — и скачайте текст в DOCX, TXT или SRT.

Форматы: откуда берутся и что учесть

Все форматы ниже Слово принимает без конвертации.

• M4A — «Диктофон» на iPhone, «Звукозапись» на Samsung, стандартная программа записи звука в Windows 10 и по умолчанию в Windows 11. Загружайте как есть.
• WAV — портативные рекордеры и звуковые редакторы. Звук не сжат, поэтому файл большой: о лимите — в следующем разделе.
• OGG, OPUS — голосовые сообщения мессенджеров: например, Telegram обычно хранит голосовые в OGG с кодеком Opus. Файл уже компактный. Как сохранить голосовое из мессенджера — на странице о голосовых сообщениях.
• AAC — некоторые диктофоны и программы записи на Android. Файл компактный, загружайте как есть.
• AMR и 3GP — старые кнопочные телефоны, некоторые диктофоны Android и программы записи звонков. AMR — речевой кодек, в распространённом варианте AMR-NB звук передаётся узкой полосой, как в телефонном разговоре, поэтому имена и числа проверяйте особенно внимательно. В файле .3gp бывает звук AMR или AAC: в списке форматов 3GP стоит среди видео, но файл только со звуком тоже подойдёт.
• FLAC — звуковые редакторы, оцифровка кассет и пластинок, программа записи звука в Windows 11, если выбрать этот формат в её настройках. Звук сжат без потерь: файл меньше WAV, но в разы больше M4A той же длины.
• WMA — некоторые старые цифровые диктофоны и программа «Звукозапись» в Windows Vista и 7, которая сохраняла записи в WMA по умолчанию. В Windows 11 этот формат можно выбрать в настройках программы записи звука.
• MP3 — почти любые устройства и программы. Подробнее — на странице о файлах MP3.

Файл WEBM только со звуком тоже подойдёт, хотя в списке форматов WEBM стоит среди видео. Файлы с другим расширением — например .aiff, .caf или .m4b — нужно конвертировать, а не переименовывать: смена расширения формат не меняет. Файл .qta из «Диктофона» iPhone конвертировать не нужно — выгрузите запись заново в варианте «Обработанный». Как это сделать и как конвертировать файл в бесплатном VLC, мы разобрали в руководстве по записям с диктофона.

Большие и длинные файлы

Слово принимает записи до 4 часов и 1 ГБ. Размер файла зависит не только от длины, но и от формата: час речи в M4A или MP3 обычно занимает десятки мегабайт, а час стереозаписи WAV с частотой 48 кГц и глубиной 16 бит — около 690 МБ. Лимит по размеру такая запись превышает примерно через полтора часа.

Лимит по размеру действует для файла, который уходит на сервер. Большую запись браузер перед отправкой сжимает, поэтому WAV или FLAC крупнее лимита может пройти и так. Если появится сообщение «Файл превышает лимит…», сожмите запись в M4A или MP3 сами.

Длительность проверяется после загрузки: запись длиннее лимита не транскрибируется, а время не спишется. Такую запись заранее разрежьте на части. Каждая часть станет отдельной записью, и участники в ней пронумеруются заново.

Если времени на балансе меньше, чем длится запись, но есть хотя бы минута, Слово транскрибирует начало — насколько хватит времени. Остальное можно транскрибировать после пополнения.

Что влияет на качество текста

Распознавание зависит от того, как записан звук, а не от расширения. Конвертация разборчивости не добавляет: AMR, переведённый в WAV, станет в разы больше, но звучать будет так же. Поэтому загружайте файл в том формате, в каком он записан, а сжимайте только то, что не проходит по лимиту.

• Если рекордер пишет каждый микрофон в отдельный файл, загрузите общую запись — микс: в дорожке одного микрофона других участников может быть почти не слышно.
• Ошибки вероятнее в шумных местах, при одновременной речи, в именах, числах и незнакомых терминах. Проверьте их на слух, прежде чем отправлять текст дальше.

Как выглядит результат

Текст разбит на абзацы по участникам, у каждого абзаца — время начала. Если люди представились, Слово подпишет их по именам, если нет — пронумерует. Имена можно поменять в редакторе.

Текст можно поправить и скачать в DOCX, TXT или SRT, поделиться им по ссылке только для чтения, а по запросу — получить конспект, например «Пересказ сюжета» или «Краткий обзор». Запись и текст можно удалить из библиотеки или редактора.

Вопросы