Моей платформы здесь нет

Работает универсальное правило: найдите файл записи, сохраните его и загрузите. Формат мы определим сами.

Какие ссылки принимаются вместо файла?

Только прямые: адрес заканчивается именем файла и отдаёт его без страницы-посредника. Ссылка на страницу просмотра Яндекс Диска или на ролик в плеере не подойдёт — по ней приходит HTML, а не звук.

Запись у коллеги. Что делать?

В большинстве сервисов запись принадлежит организатору встречи — попросите его прислать файл или ссылку.

Платформы

Половина проблемы — найти файл. У каждого приложения он лежит в своём месте и в своём формате. Здесь собраны реальные инструкции.

8,3% средний WER GigaAM v3 RNNTпротив 21% у Whisper large-v3 — в 2,5 раза меньше ошибок15 мин бесплатно без регистрациидо 10 часов на файл

Все страницы раздела — 23

Транскрибация видео с YouTubeАвтосубтитры YouTube для русского — это поток слов без знаков препинания, без заглавных букв и без разделения говорящих. Для чтения, цитирования и монтажа они непригодны. Мы даём текст, который можно вставить в статью.
Транскрибация Яндекс ТелемостаЗапись Телемоста сохраняется на Яндекс Диск в MP4. Это далёкий микрофон ноутбука у каждого участника — тот самый far-field-сценарий, на котором Whisper проседает сильнее всего.
Транскрибация записи ZoomУ Zoom есть козырь, которого нет у большинства сервисов: режим «Record a separate audio file for each participant». Если он включён, диаризация вам не нужна вовсе — каждый спикер уже в своём файле, и точность привязки реплик становится стопроцентной.
Голосовое WhatsApp в текстWhatsApp кодирует голос в Opus 16 кГц моно — это узкая полоса, ближе к телефонному каналу, чем к нормальной записи. Именно на таком материале выбор модели решает: на call-центровом срезе бенчмарка GigaAM v3 даёт 9,5% WER, Whisper large-v3 — 23,1%.
Расшифровать голосовое в TelegramTelegram кодирует голосовые в Opus 48 кГц — это широкая полоса и лучший бытовой источник из всех мессенджеров. Кружочки — отдельная история: это MP4 с дорожкой AAC, и обрабатываются они по другой ветке.
Запись диктофона в текстДиктофонная запись — самый частый платный сценарий: интервью, лекция, приём у врача, совещание. Здесь важнее не кодек, а расположение микрофона: разница между «на столе перед собой» и «в кармане» — это разница между 3,9% и 16% ошибок.
Видео ВК в текстВКонтакте даёт два разных источника: видео из VK Видео (MP4 с AAC) и голосовые из сообщений (OGG с Opus). Обрабатываются они по-разному, и путать их не стоит.
Голосовые в текст в MAXЗапросы «голосовые в текст в максе» появились в Вордстате недавно и уже дают около тысячи показов в месяц — люди ищут способ читать голосовые из нового мессенджера. Способ универсальный: сохранить файл и загрузить его сюда.
Транскрибация звонковТелефонный канал — 8 кГц и агрессивная компрессия. Это самый трудный вход, и здесь разница между русской моделью и Whisper перестаёт быть академической: 9,5% против 23,1% ошибок на одних и тех же call-центровых данных.
Транскрибация подкастаТекстовая версия выпуска решает две задачи сразу: даёт поисковикам содержимое, которое они не слышат, и превращает часовой разговор в источник цитат для соцсетей.
Видео по ссылке в текстЕсли файл лежит в облаке, качать его на телефон и загружать обратно бессмысленно. Дайте ссылку с открытым доступом — мы заберём файл сами.
Транскрибация видео с RutubeУ Rutube нет автоматических субтитров для загруженных роликов, поэтому расшифровка здесь нужна не «вместо плохой», а вместо никакой.
Транскрибация Контур.ТолкКонтур.Толк — российская ВКС, которую выбирают компании с требованием размещения данных в РФ. Записи хранятся в личном кабинете и скачиваются в MP4.
Транскрибация МТС ЛинкМТС Линк (бывший Webinar.ru) — основная площадка российских вебинаров и корпоративного обучения. Записи мероприятий доступны в кабинете организатора и скачиваются в MP4.
Субтитры к ReelsВертикальное видео смотрят без звука — субтитры здесь не опция, а условие досмотра. Разница с обычными субтитрами в разбиении: реплика должна умещаться в две короткие строки, иначе она перекроет кадр.
Транскрибация SberJazzЗдесь уместно сказать прямо: мы распознаём речь моделью GigaAM v3 RNNT, которую Сбер выложил под лицензией MIT. То есть тем же семейством моделей, что и в экосистеме, откуда пришла ваша запись.
Транскрибация Google MeetВстроенная транскрипция Google Meet для русского языка доступна не во всех тарифах и заметно слабее на спонтанной речи. Запись при этом лежит у вас на Google Диске и обрабатывается за минуты.
Транскрибация Microsoft TeamsЗаписи Teams не хранятся в самом Teams — они уходят в OneDrive организатора (личные встречи) или в SharePoint канала (встречи команды). Это первое, что нужно знать, когда файл «пропал».
Транскрибация InstagramДля своих материалов Instagram даёт архив: выгрузка данных содержит все ваши видео в оригинальном качестве. Это единственный корректный способ получить исходники.
Расшифровка голосовой почтыСообщения автоответчика короткие, узкополосные и часто записаны в шуме — человек звонит с улицы. Читать их быстрее, чем слушать, особенно когда их два десятка за день.
Транскрибация DiscordУ Discord нет встроенной записи, но у ботов-рекордеров есть свойство, которое дороже любой диаризации: они пишут каждого участника в отдельный файл.
Транскрибация TikTokСкачанный из приложения ролик приходит с водяным знаком и повторно сжатым звуком. Для расшифровки лучше брать исходник из монтажки — разница в точности заметна на быстрой речи.
Транскрибация стримаСтрим на восемь часов невозможно пересмотреть ради одного момента. Текст с таймкодами превращает трансляцию в то, по чему можно искать — и нарезать клипы по найденной фразе.

Частые вопросы

Моей платформы здесь нет: Работает универсальное правило: найдите файл записи, сохраните его и загрузите. Формат мы определим сами.
Какие ссылки принимаются вместо файла?: Только прямые: адрес заканчивается именем файла и отдаёт его без страницы-посредника. Ссылка на страницу просмотра Яндекс Диска или на ролик в плеере не подойдёт — по ней приходит HTML, а не звук.
Запись у коллеги. Что делать?: В большинстве сервисов запись принадлежит организатору встречи — попросите его прислать файл или ссылку.

Смотрите также

Платформы

Все страницы раздела — 23

Транскрибация видео с YouTubeАвтосубтитры YouTube для русского — это поток слов без знаков препинания, без заглавных букв и без разделения говорящих. Для чтения, цитирования и монтажа они непригодны. Мы даём текст, который можно вставить в статью.
Транскрибация Яндекс ТелемостаЗапись Телемоста сохраняется на Яндекс Диск в MP4. Это далёкий микрофон ноутбука у каждого участника — тот самый far-field-сценарий, на котором Whisper проседает сильнее всего.
Транскрибация записи ZoomУ Zoom есть козырь, которого нет у большинства сервисов: режим «Record a separate audio file for each participant». Если он включён, диаризация вам не нужна вовсе — каждый спикер уже в своём файле, и точность привязки реплик становится стопроцентной.
Голосовое WhatsApp в текстWhatsApp кодирует голос в Opus 16 кГц моно — это узкая полоса, ближе к телефонному каналу, чем к нормальной записи. Именно на таком материале выбор модели решает: на call-центровом срезе бенчмарка GigaAM v3 даёт 9,5% WER, Whisper large-v3 — 23,1%.
Расшифровать голосовое в TelegramTelegram кодирует голосовые в Opus 48 кГц — это широкая полоса и лучший бытовой источник из всех мессенджеров. Кружочки — отдельная история: это MP4 с дорожкой AAC, и обрабатываются они по другой ветке.
Запись диктофона в текстДиктофонная запись — самый частый платный сценарий: интервью, лекция, приём у врача, совещание. Здесь важнее не кодек, а расположение микрофона: разница между «на столе перед собой» и «в кармане» — это разница между 3,9% и 16% ошибок.
Видео ВК в текстВКонтакте даёт два разных источника: видео из VK Видео (MP4 с AAC) и голосовые из сообщений (OGG с Opus). Обрабатываются они по-разному, и путать их не стоит.
Голосовые в текст в MAXЗапросы «голосовые в текст в максе» появились в Вордстате недавно и уже дают около тысячи показов в месяц — люди ищут способ читать голосовые из нового мессенджера. Способ универсальный: сохранить файл и загрузить его сюда.
Транскрибация звонковТелефонный канал — 8 кГц и агрессивная компрессия. Это самый трудный вход, и здесь разница между русской моделью и Whisper перестаёт быть академической: 9,5% против 23,1% ошибок на одних и тех же call-центровых данных.
Транскрибация подкастаТекстовая версия выпуска решает две задачи сразу: даёт поисковикам содержимое, которое они не слышат, и превращает часовой разговор в источник цитат для соцсетей.
Видео по ссылке в текстЕсли файл лежит в облаке, качать его на телефон и загружать обратно бессмысленно. Дайте ссылку с открытым доступом — мы заберём файл сами.
Транскрибация видео с RutubeУ Rutube нет автоматических субтитров для загруженных роликов, поэтому расшифровка здесь нужна не «вместо плохой», а вместо никакой.
Транскрибация Контур.ТолкКонтур.Толк — российская ВКС, которую выбирают компании с требованием размещения данных в РФ. Записи хранятся в личном кабинете и скачиваются в MP4.
Транскрибация МТС ЛинкМТС Линк (бывший Webinar.ru) — основная площадка российских вебинаров и корпоративного обучения. Записи мероприятий доступны в кабинете организатора и скачиваются в MP4.
Субтитры к ReelsВертикальное видео смотрят без звука — субтитры здесь не опция, а условие досмотра. Разница с обычными субтитрами в разбиении: реплика должна умещаться в две короткие строки, иначе она перекроет кадр.
Транскрибация SberJazzЗдесь уместно сказать прямо: мы распознаём речь моделью GigaAM v3 RNNT, которую Сбер выложил под лицензией MIT. То есть тем же семейством моделей, что и в экосистеме, откуда пришла ваша запись.
Транскрибация Google MeetВстроенная транскрипция Google Meet для русского языка доступна не во всех тарифах и заметно слабее на спонтанной речи. Запись при этом лежит у вас на Google Диске и обрабатывается за минуты.
Транскрибация Microsoft TeamsЗаписи Teams не хранятся в самом Teams — они уходят в OneDrive организатора (личные встречи) или в SharePoint канала (встречи команды). Это первое, что нужно знать, когда файл «пропал».
Транскрибация InstagramДля своих материалов Instagram даёт архив: выгрузка данных содержит все ваши видео в оригинальном качестве. Это единственный корректный способ получить исходники.
Расшифровка голосовой почтыСообщения автоответчика короткие, узкополосные и часто записаны в шуме — человек звонит с улицы. Читать их быстрее, чем слушать, особенно когда их два десятка за день.
Транскрибация DiscordУ Discord нет встроенной записи, но у ботов-рекордеров есть свойство, которое дороже любой диаризации: они пишут каждого участника в отдельный файл.
Транскрибация TikTokСкачанный из приложения ролик приходит с водяным знаком и повторно сжатым звуком. Для расшифровки лучше брать исходник из монтажки — разница в точности заметна на быстрой речи.
Транскрибация стримаСтрим на восемь часов невозможно пересмотреть ради одного момента. Текст с таймкодами превращает трансляцию в то, по чему можно искать — и нарезать клипы по найденной фразе.

Частые вопросы

Моей платформы здесь нет: Работает универсальное правило: найдите файл записи, сохраните его и загрузите. Формат мы определим сами.
Какие ссылки принимаются вместо файла?: Только прямые: адрес заканчивается именем файла и отдаёт его без страницы-посредника. Ссылка на страницу просмотра Яндекс Диска или на ролик в плеере не подойдёт — по ней приходит HTML, а не звук.
Запись у коллеги. Что делать?: В большинстве сервисов запись принадлежит организатору встречи — попросите его прислать файл или ссылку.