OGG в текст
Если вы скачали голосовое из Telegram или ВКонтакте, у вас на диске .ogg, внутри которого Opus. Это не тот же Opus, что в WhatsApp: у Telegram 48 кГц, у WhatsApp 16 кГц, и это реально видно по качеству распознавания.
Спрос по Яндекс.Вордстат
| Запрос | Показов в месяц | Снято |
|---|---|---|
| голосовое в текст | 11 598 | 2026-08 |
| голосовое сообщение в текст | 4 604 | 2026-08 |
| голосовое в текст телеграмм | 727 | 2026-08 |
Технические характеристики OGG
| Полное название | Ogg — контейнер Xiph.Org |
|---|---|
| Контейнер | Ogg (страницы с гранулярными позициями) |
| Кодеки внутри | Opus, Vorbis, реже FLAC в Ogg |
| MIME-типы | audio/ogg, application/ogg |
| Расширения | .ogg, .oga, .ogv |
| Типичный битрейт | 32 кбит/с |
| Частота дискретизации | 48 000 Гц, моно |
| Сжатие | с потерями |
| Демультиплексирование | не нужно |
| Лимит на файл | 2 ГБ — это примерно 8 738 минут при типичном битрейте |
| Минут в 1 ГБ | 4 369 |
Что конвейер делает именно с OGG
- Определяем кодек по первой Ogg-странице: Opus и Vorbis идут разными декодерами, определять по расширению нельзя.
- Длительность берём из гранулярной позиции последней страницы — Ogg хранит её точно, поэтому тарификация голосовых до секунды корректна.
- Opus 48 кГц декодируем сразу в 16 кГц через встроенный ресемплер libopus: это точнее, чем декодировать в 48 и потом даунсэмплить.
- Для коротких голосовых (менее 15 секунд) отключаем VAD-нарезку: она чаще съедает первое слово, чем помогает.
Откуда берутся такие файлы
- Голосовые сообщения Telegram (Desktop: правый клик → «Сохранить как»)
- Голосовые ВКонтакте
- Запись через браузерный MediaRecorder
- Экспорт из Audacity в Ogg Vorbis
Грабли, о которых стоит знать заранее
- Голосовые Telegram обрезаются на входе в разговор
Клиент начинает кодирование не мгновенно; первые 100–200 мс нередко отсутствуют физически. Мы ничего не можем восстановить, но и не додумываем — вместо галлюцинации вы получите фразу с начала второго слова.
- «Кружочки» из Telegram — это не .ogg
Видеосообщения сохраняются как .mp4 с дорожкой AAC. Если вам нужен кружочек — грузите его как MP4, ветка обработки другая.
- Ogg Vorbis из старых архивов может не иметь заголовка длительности
Файлы, обрезанные посередине, теряют последнюю страницу с гранулярной позицией. Мы досчитываем длительность декодированием, файл принимается.
Как формат влияет на точность
Opus 32 кбит/с моно при 48 кГц — очень хороший вход: полоса сохраняется до 20 кГц. На голосовых Telegram точность практически как на несжатом WAV; проседает она из-за акустики (телефон в кармане, ветер), а не из-за кодека.
| Модель | Средний WER, % | Далёкий микрофон | Кол-центр |
|---|---|---|---|
| GigaAM v3 RNNT (Сбер, MIT)используем мы | 8,3 | 3,9 | 9,5 |
| GigaAM v2 RNNT | 10,6 | — | — |
| T-one + LM (Т-Банк, Apache-2.0) | 16,3 | — | — |
| Whisper large-v3 | 21 | 16,4 | 23,1 |
Проверка файла и расчёт стоимости
Файл не загружается и никуда не отправляется: длительность читает ваш браузер локально. Ограничения показаны для OGG.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Как скачать голосовое из Telegram, чтобы получить .ogg?
- В Telegram Desktop: правый клик по голосовому → «Сохранить как». На телефоне: «Поделиться» → «Сохранить в файлы». Пересланное в «Избранное» голосовое скачивается так же.
- Голосовое на 40 секунд — это платно?
- Нет. Первые 15 минут любого файла бесплатны и без регистрации, а 40 секунд округляются до 1 минуты.
- Почему встроенная расшифровка Telegram иногда лучше, а иногда хуже?
- Telegram Premium использует свою модель и режет длинные сообщения. На спонтанной русской речи с фоном мы опираемся на GigaAM v3, у которого средний WER 8,3% против 21% у Whisper large-v3 по бенчмарку Сбера.