Что такое транскрибация простыми словами
Транскрибация — превращение звучащей речи в письменный текст. Слово путают с «транскрипцией» из школьного учебника, и это две разные вещи.
Чтение примерно 5 мин · обновлено 2026-09-14
Определение в одну строку
Транскрибация — это запись устной речи буквами того же языка. На входе аудио или видео, на выходе текст, который можно прочитать, найти поиском и процитировать.
Транскрипция в фонетике — другое: это запись звуков специальными знаками, [малако] вместо «молоко». В интернете эти слова используют как синонимы, и поисковые запросы это подтверждают, но смысл у них разный.
Чем транскрибация отличается от субтитров
Субтитры — это та же расшифровка, но нарезанная на короткие реплики и привязанная к таймкодам, чтобы показываться поверх видео. Ограничения там жёсткие: обычно не больше двух строк и не больше 42 символов в строке.
Транскрипт — сплошной текст, который читают отдельно от видео. Из транскрипта можно сделать субтитры, обратно — нет: разбиение на реплики теряет абзацы и структуру.
Кому и зачем это нужно
По нашему опыту, платящий спрос делится на несколько устойчивых сценариев.
- Студенты и преподаватели — конспект из записи лекции
- Журналисты и исследователи — дословная расшифровка интервью с цитатами
- Компании — протоколы совещаний и контроль качества звонков
- Авторы контента — текстовые версии подкастов и вебинаров, субтитры к роликам
- Юристы — дословная расшифровка записи с таймкодами
Ручная и автоматическая: что выбрать
Ручная расшифровка включает прослушивание, набор, проверку имён и оформление. Цена и срок зависят от исполнителя, качества звука, числа говорящих и требуемой точности; сравнивайте предложения на одном и том же файле.
Автоматическая расшифровка в Транскрибе стоит 3 ₽ за минуту без пакета и возвращает черновик. В опубликованном среднем по десяти русским наборам используемая нами GigaAM v3 E2E RNNT показывает WER 11,2%, но результат конкретной записи может быть лучше или хуже.
Для интервью, протокола или субтитров удобно сначала получить автоматический текст, затем вручную сверить места, где цена ошибки высока: имена, числа, цитаты, сроки и решения.
Сколько ошибок считается нормой
Качество распознавания измеряют метрикой WER — долей ошибочных слов. По бенчмарку GigaAM (Сбер) на десяти русскоязычных датасетах при единой нормализации средний WER у используемой нами GigaAM v3 E2E RNNT — 11,2%, у Whisper large-v3 — 21,0%.
В той же таблице отдельная сырая ветка GigaAM v3 RNNT показывает 8,3%, но это другая модель. Ни одно из этих чисел не предсказывает время вычитки конкретной записи; маркетинговая «точность 98%» без датасета и методики не значит ничего.
| Модель | Средний WER, % | Далёкий микрофон | Кол-центр |
|---|---|---|---|
| GigaAM v3 E2E RNNT — используем мы | 11,2 | 5,5 | 12,6 |
| GigaAM v3 RNNT — сырая ветка | 8,3 | 3,9 | 9,5 |
| GigaAM v2 RNNT | 10,6 | — | — |
| T-one + LM | 16,3 | — | — |
| Whisper large-v3 | 21,0 | 16,4 | 23,1 |
Частые вопросы
Транскрибация и транскрипция — это одно и то же?
В обиходе да, формально нет. Транскрипция в лингвистике — запись звучания специальными знаками. Транскрибация — перевод речи в обычный текст.
Можно ли расшифровать аудио бесплатно?
Пробный фрагмент позволяет оценить транскрибацию на своей записи: до 60 секунд бесплатно. Полный текст стоит 3 ₽/мин, минимальный платёж покажем до оплаты; остаток минут не сгорает. Старый баланс остаётся доступным.
Сколько времени занимает автоматическая расшифровка?
Время зависит от длины записи, очереди, запуска обработчика и загрузки файла. На странице загрузки приведён датированный замер одного трёхчасового файла; это пример, а не обещание срока для любой записи.