Зачем раздельные дорожки, если есть диаризация?

Диаризация — вероятностная и ошибается на перебивках. Отдельный файл на участника даёт стопроцентную атрибуцию по построению.

Сколько дорожек можно загрузить?

До 50 файлов в одной пачке.

Двухчасовой стрим на пять человек — как считается?

По суммарной длительности речи, а не по числу дорожек: если каждый говорил в среднем 24 минуты, оплачивается 2 часа общей длительности сессии.

Транскрибация Discord

У Discord нет встроенной записи, но у ботов-рекордеров есть свойство, которое дороже любой диаризации: они пишут каждого участника в отдельный файл.

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

Как достать файл: Discord

Запишите канал ботом
Рекордеры вроде Craig пишут каждого участника отдельной дорожкой. Предупредите участников — это требование и этики, и правил площадки.
Скачайте архив с дорожками
Обычно это ZIP с FLAC или MP3 по числу говоривших.
Загрузите все дорожки сразу
Мы соберём диалог по таймкодам: каждая реплика будет привязана к своему участнику точно, без вероятностной модели.

Какой файл вы получите

Категория	мессенджер
Расширение	flac или mp3
Кодек	Opus 48 кГц на транспорте
Частота дискретизации	48 000 Гц, моно на участника
Пресет обработки	Discord: раздельные дорожки участников

Акустика этого источника

Игровые гарнитуры с сильным шумоподавлением, часто с фоном игры. Раздельные дорожки полностью снимают проблему наложений.

Бенчмарк GigaAM (Сбер), 10 русскоязычных датасетов, единая нормализация
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

Грабли, о которых стоит знать заранее

Дорожки участников не выровнены по началу
Кто-то подключился позже. Мы выравниваем по абсолютным таймкодам из метаданных, а не по началу файлов.
Push-to-talk рвёт фразы
Отпущенная кнопка обрезает окончание слова. Это физическая потеря сигнала.
Звук игры попадает в дорожку
Если у участника не настроено шумоподавление, реплики NPC распознаются как речь.

Проверка файла и расчёт стоимости

Файл не загружается и никуда не отправляется: длительность читает ваш браузер локально.

или задайте длительность вручную:1 ч 00 мин

Разовая оплата180 ₽первые 15 мин бесплатно, дальше 3 ₽/мин

По пакету «300 минут»158 ₽790 ₽ за 300 мин, без автопродления

Время обработки1 мин 55 с≈ 40× реального времени на A100

Расшифровать с этими настройками

Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.

Частые вопросы

Зачем раздельные дорожки, если есть диаризация?: Диаризация — вероятностная и ошибается на перебивках. Отдельный файл на участника даёт стопроцентную атрибуцию по построению.
Сколько дорожек можно загрузить?: До 50 файлов в одной пачке.
Двухчасовой стрим на пять человек — как считается?: По суммарной длительности речи, а не по числу дорожек: если каждый говорил в среднем 24 минуты, оплачивается 2 часа общей длительности сессии.

Смотрите также