Голосовое WhatsApp в текст
WhatsApp 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%.
Спрос по Яндекс.Вордстат
| Запрос | Показов в месяц | Снято |
|---|---|---|
| голосовое текстом в ватсапе | 506 | 2026-08 |
| голосовое сообщение текстом в ватсапе | 305 | 2026-08 |
Как достать файл: WhatsApp
- Android: сохраните через «Поделиться»
Долгое нажатие на голосовое → значок «Поделиться» → «Сохранить в Файлы». Получите .opus.
- Android: или заберите из папки
Файловый менеджер → Android/media/com.whatsapp/WhatsApp/Media/WhatsApp Voice Notes/<год-месяц>. Там лежат все голосовые чата.
- iPhone: «Поделиться» → «Сохранить в Файлы»
На iOS вы получите .m4a с AAC вместо .opus. Оба формата обрабатываются, просто разными ветками.
- Загрузите пачкой
Если голосовых 20 штук — грузите все сразу, мы соберём их в один документ по времени отправки.
Какой файл вы получите
| Категория | мессенджер |
|---|---|
| Расширение | opus (Android) или m4a (iOS) |
| Кодек | Opus 16 кГц моно |
| Частота дискретизации | 16 000 Гц, моно |
| Пресет обработки | Голосовые: узкая полоса, без VAD-нарезки |
Акустика этого источника
16 кГц моно с сильной компрессией, часто с улицы, из машины или с телефоном в кармане. Самый тяжёлый бытовой сценарий.
Встроенная альтернатива: WhatsApp умеет расшифровывать голосовые встроенно, но функция доступна не для всех аккаунтов и языков и не выгружается в файл.
| 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
- Экспорт чата не всегда включает медиа
При «Экспорте чата» выбирайте «Прикрепить медиа», иначе получите только текст без голосовых.
- 16 кГц — потолок, который не поднять
Верх спектра обрезан кодеком на стороне отправителя. Любая «реставрация» будет додумыванием.
- Голосовые из бэкапа зашифрованы
Файлы .crypt14 из папки Databases расшифровать нельзя без ключа. Забирайте голосовые из папки Media, а не из бэкапа.
Проверка файла и расчёт стоимости
Файл не загружается и никуда не отправляется: длительность читает ваш браузер локально.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Можно ли расшифровать голосовое, не сохраняя его?
- Нет, файл нужно загрузить. Мы удаляем его с хранилища через 24 часа.
- Сколько стоит расшифровка 30 голосовых по минуте?
- Если склеить их в один файл — 30 минут минус 15 бесплатных = 15 минут по 3 ₽ = 45 ₽. Если грузить по одному, каждое сообщение округляется вверх до минуты отдельно, и 40-секундные голосовые оплачиваются как минутные.
- Почему WhatsApp звучит хуже Telegram?
- Telegram кодирует Opus на 48 кГц, WhatsApp — на 16 кГц. Втрое шире полоса означает больше акустических признаков для модели.