14 лучших сервисов и приложений для расшифровки аудио и видео в текст

Pressfeed.Журнал сделал обзор сервисов и приложений для транскрибации аудиозаписей в текст, которые пригодятся для расшифровок интервью, переговоров, выступлений, лекций, видеокурсов и других форматов.

Транскрибация — это расшифровка аудио- или видеофайлов в текстовый формат. Обычные люди чаще всего пользуются ей во время обучения или переговоров, но для журналистов, авторов и пиарщиков расшифровка интервью — часть рутинной работы. 

Транскрибацию аудио в текст используют в совершенно разных ситуациях:

• для написания текстов, статей, больших материалов, книг;
• для записи семинаров в университетах;
• для расшифровки подкастов, вебинаров, конференций и других публичных мероприятий;
• для транскрибации интервью;
• в деловых переговорах и телефонных разговорах с заказчиками и партнерами  для сбора данных о пользователях и улучшения качества обслуживания;
• для создания субтитров и листов с покадровым описанием действий и реплик — последнее активно используется в киноиндустрии.

Расшифровку аудио в текст можно заказать у специалистов, средняя цена составляет 25-50 рублей за минуту записи. Благодаря нейросетям и новым механизмам распознавания речи сейчас появились приложения и сервисы, которые справляются с транскрибацией не хуже, чем люди. 

1. Расшифровка аудио в Google Docs 

«Документы Google» — известный онлайн-сервис для работы с текстовыми файлами. Прямо в редакторе есть встроенный инструмент для расшифровки звука с микрофона, а вот готовые аудиофайлы транскрибировать на платформе, к сожалению, нельзя. 

Функция доступна при нажатии Ctrl+Shift+S или значка микрофона в приложении. С плохим микрофоном записать точные высказывания не получится – сервис пропускает много слов, звук должен быть четким. 

Функционал:

• расшифровывает прямые трансляции голоса;
• работает прямо в файле doc. 
• исправляет неправильные окончания,
• понимает команды со знаками препинания. 

Стоимость: бесплатно.

Смотрите также:

Как быстро подготовить интервью к публикации с помощью нейросетей. Пошаговая инструкция

2. Speechpad

На одном из первых российских сервисов «Голосовой блокнот» есть функция расшифровки аудиозаписи в текст, а также доступен голосовой набор. А еще здесь можно отладить и озвучить субтитры, для этого есть отдельный раздел. Голосовой набор в онлайн-режиме доступен только в браузере Google Chrome. Несмотря на немного запутанный интерфейс, на сайте подробно расписано, что и как работает. 

Функционал:

• расшифровка готовой аудиозаписи;
• голосовой набор текста в режиме реального времени;
• корректировка шумов;
• запуск записи с выбранных точек времени, установка тайм-кодов;
• создание и редактирование субтитров;
• доступны 16 языков, кроме европейских, можно найти: узбекский, казахский, азербайджанский и грузинский;
• можно управлять скоростью воспроизведения и перематывать файл.

Стоимость: бесплатно можно транскрибировать файл длиной 15 минут; расширенные возможности на 1 месяц стоят 100 рублей, на 3 месяца — 250 рублей, на год — 800 рублей. Есть тестовый период.  

3. RealSpeaker

Простой сервис, который поможет расшифровать видео и аудио в текст. Максимальная длительность записи — 180 минут. Двухминутная запись в среднем обрабатывается около 30 секунд. 

Транскрибатором очень просто пользоваться: выбираете нужный язык и загружаете файл, затем переходите в раздел «медиа», где корректируете или скачиваете текст. В этом разделе вам открывается доступ к файлам всех пользователей, имейте это в виду, если работаете с информацией не для всеобщего обозрения. 

Функционал:

• транскрибация готовых аудио- и видеозаписей в текст;
• работает с более чем 40 языками, включая русский;
• максимальная длина файла — 180 минут;
• есть встроенный редактор. 

Стоимость: 12 рублей/минута, аудио или видео длиной до 1,5 минуты можно транскрибировать бесплатно. 

4. Speech To Text 

Простое приложение, которое можно использовать через бот в Telegram. В боте доступна бесплатная загрузка файла длиной до 10 минут и весом до 20 Мб. Сервис поддерживает только русский язык, однако это временно — в скором времени разработчики обещают пополнить языковые возможности сайта. 

Функционал: 

• транскрибация готовых аудиозаписей в текст;
• только русский язык;
• максимальный размер файла — 10 минут записи и вес до 20 Мб;
• чат-бот в Telegram для расшифровки.

Стоимость: 10 минут — бесплатно, далее 1 час распознавания стоит 100 рублей. 

5. Бесплатная технология распознавания речи от VК

Крупнейшая российская соцсеть предоставляет бесплатную услугу расшифровки речи с помощью технологии ASR на базе нейросетей. В ВК технология Automatic Speech Recognition используется для распознавания голосовых и генерации субтитров. Интересно, что можно выбрать тип речи: спонтанная — живая речь со сленгом, нецензурной лексикой и междометиями, нейтральная — разборчивая, более формальная речь, как в подкасте или на ТВ. В сутки можно транскрибировать до 100 минут. 

Функционал:

• расшифровка готовых аудио- и видеозаписей в текст;
• транскрибация речи в режиме реального времени;
• выбор стиля речи: спонтанная или нейтральная;
• удаление шумов и пауз;
• автоматические расставление знаков препинания и деление текста на предложения;
• понимает сленг и неразборчивую речь.

Стоимость: бесплатно.

6. Google Keep

Мобильное приложение с хорошим интерфейсом для заметок от компании Google. Внутри заметки доступна функция транскрибации: для перевода записи в текст нужно нажать на значок микрофона в меню. Расшифровка работает только в приложении для смартфонов и режиме реального времени. При этом, функция скорее подходит для надиктовки заметок — после длительной паузы запись автоматически заканчивается. 

Функционал:

• запись прямой трансляции голоса в текст;
• работает только в приложении для смартфонов. 

Стоимость: бесплатно.

7. Teamlogs

Платформа для транскрибации файлов аудио и видео в текст. Можно настраивать общий доступ и делиться записью с помощью ссылки, а еще — выделять ключевые слова. 

Функционал:

• транскрибация готовых аудио- и видеозаписей в текст;
• доступны английский и русский языки;
• поддерживает форматы: аудио — M4A, MP3, OGG, AAC, WAV, FLAC, WMA, видео — MP4, MKV, FLV, AVI, MOV, WMV;
• автоматическая расстановка знаков препинания;
• разделение текста на спикеров по голосу;
• встроенный онлайн-редактор расшифровки;
• автоматическая генерация краткого содержания записи.

Стоимость: 15 минут бесплатно, далее от 7 рублей/минута. Доступна оплата услуги со счета организации. 

8. APIHOST 

Многофункциональный сервис для работы с аудиозаписями, видео и текстами со встроенным инструментом для распознавания речи. На платформе также доступны функции озвучки текста.

Если нужно транскрибировать файл весом больше 200 Мб, обратитесь в поддержку и оплатите услугу — цена будет зависеть от размера аудио. Минимальная сумма пополнения личного кабинета 500 рублей.

Функционал:

• транскрибация готовых аудиофайлов и видеозаписей в текст;
• голосовой набор текста в режиме реального времени;
• можно загружать видео из YouTube по ссылке;
• в базе больше 40 языков;
• создание, настройка и редактирование субтитров;
• автоматическая расстановка знаков препинания;
• встроенный онлайн-редактор текста;
• в базовом варианте максимальный размер файла — 200 Мб;
• есть функции озвучки текста, изменения голоса. 

Стоимость: 2,4 рубля/минута. 

9. Express Scribe 

Профессиональная программа-транскрибатор от Windows доступна как для Mac, так и для остальных ПК. Алгоритм распознавания речи обладает высокой точностью и ценой. Из минусов — нет онлайн-версии и придется скачивать программу, а интерфейс выглядит довольно устаревшим. Подходит для профессиональных расшифровщиков и  поддерживает даже ножную педаль.

Функционал:

• очень точный расшифровщик из готовых аудио и видео в текст;
• поддерживает много форматов: аудио — MP3, VOX, WAV и WMA, видео — DV, FLV, M4V, MOV, MP4, MPEG и WMV;
• интеграция с Lotus WordPro, Mircosoft Word, WordPerfect Office;
• регулировка громкости записи и голосов;
• фильтрация частот и шумов;
• возможность расшифровки в файл Word;
• загрузка файлов из разных источников: e-mail, облачных дисков и с компьютера.

Стоимость: базовый тариф — 70 долларов, профессиональный — 80 долларов, при этом дополнительные услуги приобретаются отдельно.

10. Transkriptor

Сервис расшифровки из аудио в формат текста, поддерживающий более 100 языков. Заявлено, что можно преобразовывать разнообразные форматы разговоров на русском языке — вебинары, лекции и записи публичных выступлений и переговоры. Сервис гарантирует точность до 99% и высокую скорость преобразования — в два раза быстрее исходной аудиозаписи. Сервис доступен на сайте, в качестве расширения в Chrome и в чат-боте Telegram. 

Функционал:

• транскрибация из готовых аудио и видео в текст;
• поддерживает любые форматы аудио и видео;
• редактирование получившегося файла в редакторе;
• общий доступ к файлам — можно редактировать и организовывать файловую структуру;
• транскрибация записей по ссылке из интернета;
• разделение спикеров в файле по голосам;
• скачать файл можно в формате DOC, TXT, SRT;
• редактирование файла в замедленном режиме.

Стоимость: тариф Lite — от 4,99 долларов (5 часов в месяц); «Стандарт» — 7,49 долларов (20 часов в месяц); «Премиум» — 12,49 долларов (40 часов в месяц). Доступна бесплатная промо-версия.

11. Speechnotes

Простой сервис для автоматической расшифровки речи и аудио-, видеофайлов в текст. Кроме того, у Speechnotes есть приложение для Android с рейтингом в 4 звезды. Платформа заботится о конфиденциальности и не хранит ваши записи. 

Функционал:

• транскрибация готовых аудио и видео в текст;
• расшифровка прямых трансляций и диктовки;
• поддерживает более 50 языков;
• автоматически расставляет знаки препинания и распознает смайлы;
• файл можно сохранить в облако или отправить через соцсети и email;
• работает с текстовыми файлами и PDF;
• есть приложение для Android. 

Стоимость: 0,1 доллара/минута, есть система кредитов — если по вашей ссылке пришел друг и оплатил сервис, вы получаете кредит размером в 5 долларов за каждого. Бесплатна только функция диктовки с микрофона. 

12. oTranscribe

Сам сервис позиционирует себя в качестве бесплатного веб-приложения для облегчения расшифровки аудио интервью. Вы загружаете файл в редактор и на этой же странице можете вручную транскрибировать запись в текст. Аудиофайл и расшифровка конфиденциальны, поскольку находятся на вашем устройстве. 

Функционал:

• загрузка и проигрывание аудио- и видеозаписи на странице файла;
• быстрые клавиши для остановки и перемотки записи;
• встроенный онлайн-редактор для ручной транскрибациии аудио;
• можно выставлять тайм-коды для быстрого перехода по тексту и записи. 

Стоимость: бесплатно.

Смотрите также:

Озвучка текста и синтезация речи: 15 лучших нейросетей

13. Transcribe by Wreally

Сервис для расшифровки аудио в текст с интерфейсом на английском языке. При регистрации можно выбрать тип лицензии — индивидуальный или групповой. 

Функционал:

• транскрибация готовых аудио в текст;
• поддерживает больше 80 языков;
• работает оффлайн и автоматически сохраняет файл;
• загрузка файлов с компьютера, из Google Диска, Dropbox или по ссылке;
• максимальный размер записи — 6000 Мб и 420 минут;
• можно выставлять тайм-коды и использовать горячие клавиши;
• поддерживает ножную педаль;
• работа со множеством форматов, в том числе с 3GP, CAF, DSS, FLAC, WEBM, WMA, WMV.

Стоимость: при регистрации дается 7-дневный бесплатный период, затем нужно оплатить подписку ценой 20 долларов за год. 

14. Dragon Anywhere

Приложение только для IOS для транскрибации речи, которая записывается в режиме реального времени. Можно использовать для интервью, заметок и исследований. Работать с видео из YouTube по ссылке и расшифровывать готовые аудиофайлы не получится.

Функционал:

• расшифровка прямой записи речи;
• поддерживает несколько диалектов английского – английский, американский, канадский, а также французский и немецкий языки.

Стоимость: 14,99 долларов/месяц или 149,99 долларов/год. 

6 советов для расшифровки аудио в текст

Практические все сервисы и приложения допускают недочеты из-за шумов, пауз и некачественной записи, исключение — дорогие профессиональные системы. Конечно, над любой транскрибацией нужно будет поработать дополнительно: расставить знаки препинания, исправить ошибки, несогласования, неверные окончания. 

Вот несколько советов, как сделать так, чтобы сервису было легче правильно распознать речь и сформировать связный текст. 

• Не ставьте высокую скорость воспроизведения — чем она выше, тем больше ошибок получится у программы. Лучше всего снизить скорость до 0,75. 
• Постарайтесь использовать микрофоны хорошего качества или профессиональную аппаратуру. На худой конец сгодится самый простой микрофон с защитой от шума или наушники с шумоподавлением. 
• Обязательно редактируйте получившийся текст после транскрибации. Полного доверия даже к нейросетям сейчас пока нет — ошибка может вылезти в самом неожиданном месте даже у дорогого сервиса. 
• Чтобы сэкономить время при ручном наборе текста, пользуйтесь горячими клавишами для перемотки записи и тайм-кодами. 
• Если печатаете текст самостоятельно, останавливайте запись, пишите и сразу редактируйте ее — так вы избежите неточностей. 
• Если запись не отличается высоким качеством и на ней слышны шумы, используйте те сервисы, функционал которых подразумевает корректировку таких недочетов. При расшифровке аудио плохого качества без нужных алгоритмов вы просто получите набор несвязных слов.