12 инструментов для перевода голоса в текст

В маркетинге нужно постоянно работать с текстом: описывать концепции и тезисы, составлять брифы, придумывать вовлекающие и продающие формулировки. Это часто приходится делать прямо на ходу, когда под рукой нет ноутбука. В таких случаях свежую идею удобно наговорить голосом.

Расскажу про инструменты, которые делают работу с устным текстом проще. Программы для преобразования речи в текст позволяют надиктовать короткую заметку или объёмную статью. А функция транскрибации аудио и видеофайлов помогает в расшифровке длинных интервью и переговоров.

Для автоматической транскрибации аудио и видео

Ручная расшифровка аудио- и видеофайлов, как правило, занимает много времени. Надо прослушать небольшую часть записи, сделать паузу, записать, снова включить запись — и так много раз. Если доверить расшифровку специализированным сервисам, получение результата займёт столько же времени, сколько длится запись, или даже меньше.

Speech2Text

Онлайн-сервис, который переводит аудио и видео в текст со знаками препинания, абзацами и разделением на спикеров. Для расшифровки можно загружать файлы любого размера и длительности. Доступные форматы ― MP3, OGG, WMA, MP4 и другие.

Возможности Speech2Text:

• Расшифрует даже записи с плохим звуком.
• Для обработки одного часа аудио или видео сервису требуется всего десять минут.
• Распознает более 90 языков: русский, английский, французский и другие.
• Доступна выгрузка в формате субтитров для легкого монтажа видео.
• Умеет расшифровывать видео с YouTube, делить на собеседников и проставлять тайм-коды.

Важно: если после расшифровки вы удалите файлы, сервис не сохранит их у себя. Всё конфиденциально.

В подарок за регистрацию на сервисе вы получите три часа транскрибации. Но после того, как они закончатся, без оплаты будет доступно всего 15 минут в день. 

Платные тарифы начинаются от 500 ₽ в месяц: например, за эту стоимость на «Старте» получите уже шесть часов расшифровки в месяц.

Аудио транскриптор

В сервисе можно расшифровать онлайн аудио- или видеофайлы в текст. Он точно умеет разделять текст по спикерам и делать таймкоды. Чтобы транскрибировать текст, нужно перетащить файл в поле или выбрать с компьютера. С коротким текстом справляется быстро: нужно меньше минуты. 

В бесплатной версии можно транскрибировать 3 файла в день, длительность — до 10 минут. В платный тариф «Старт» за 890 ₽ в месяц включено 600 минут расшифровки. 

Поддерживает все самые популярные форматы аудио MP3, WAV, M4A и другие. Процесс транскрибации 1 часа видео занимает около 7 минут. Также умеет записывать и транскрибировать встречи из Яндекс Телемоста ― сервиса видеозвонков.

Помимо транскрибации аудио и видео в текст, сервис умеет контролировать качество звонков, например, менеджеров, также составлять протокол совещания и follow-up для клиента, транскрибировать аудио или видео на английском и сделать перевод на русский язык.

Speechlogger

Speechlogger преобразовывает голос в текст. Также его можно использовать как блокнот. В сервисе есть функция расшифровки аудио- и видеофайлов в форматах AAC, M4A, AVI, MP3, MP4, MPEG, OGG, RAW, FLAC, WAV.

Speechlogger работает с применением технологий искусственного интеллекта. При транскрибации автоматически проставляется пунктуация и временные метки. Для начала работы нужна авторизация через Google аккаунт.

Стоимость расшифровки — $0,1 за минуту. Минимальная сумма для пополнения баланса — $4,5. Время обработки соответствует длительности записи. Уведомление о готовности приходит на email. Точность расшифровки варьируется от 100 до 84% и зависит от качества записи.

Teamlogs

Онлайн-сервис транскрибации аудио и видео. Teamlogs расшифровывает любые файлы с голосом, автоматически расставляет знаки препинания, дефисы и даже кавычки-ёлочки. А еще он умеет делить текст по спикерам, расставлять тайм-коды и преобразовывать записи Zoom и Ms Office. Готовый текст можно экспортировать в форматах DOCX, XLSX, SRT.

Расшифровка речи платная, начинается от 6 ₽ за минуту. Есть тестовая версия на 15 бесплатных минут расшифровки. Чтобы расшифровать 1 час видео, сервису нужно в среднем 3 минуты. 

Есть функционал ИИ, который умеет отвечать на вопросы по тексту, выделять поручения и делать саммари.

Для онлайн-конвертации голоса в текст

Онлайн-конвертеры помогают записывать текст голосом. Принцип таких сервисов примерно одинаков: вы чётко проговариваете слова, а система преобразует их в текст и записывает. Полученный результат, скорее всего, придётся отредактировать: проставить знаки препинания, проверить правильность написания сложных слов. Чтобы сократить объём редактуры, используйте высокочувствительный микрофон, медленно и разборчиво произносите слова.

Google Документы

Сервис Google Документы позволяет переводить устную речь в записанный текст. Это встроенная функция с поддержкой разных языков.

Для активации голосового ввода перейдите в раздел «Инструменты» и кликните на «Голосовой ввод».

Затем нажмите на кнопку и говорите. Постарайтесь произносить слова медленно и чётко. Система умеет распознавать знаки препинания — просто говорите в нужных местах «Точка», «Запятая» и так далее. Также на русском языке можно использовать команды «Новая строка» и «Новый абзац». На английском языке перечень голосовых команд более обширный, полный список можно посмотреть в Справке.

Сервис неплохо конвертирует голос в текст при условии чёткого и правильного произношения. Но корректура всё равно может понадобиться — поправить регистр, проверить расстановку знаков препинаний и написание сложных слов.

Также в Google Документах можно транскрибировать аудио- и видеофайлы. Для этого включите воспроизведение файла на другом устройстве рядом с основным микрофоном. Способ работает, если речь в записи чёткая, разборчивая и не слишком быстрая. Для лучшего распознавания можно использовать замедленное воспроизведение.

Speechpad

Speechpad — удобный онлайн-блокнот для речевого ввода. Здесь можно надиктовывать текст на одном из пятнадцати доступных языков. Доступно параллельное форматирование текста: замена регистра, добавление знаков пунктуации и тегов. Но расставлять все придётся после записи: сам сервис ставить запятые и точки не умеет. Запись речи включается и выключается по необходимости.

Speechpad поддерживает преобразование в текст аудио- и видеозаписей. Для этого кликните на кнопку «+Транскрибацию» под полем ввода. После обновления страницы загрузите нужный файл, укажите ссылку или ID видео с YouTube.

При необходимости настройте параметры: качество и скорость воспроизведения, указание временных меток, защиту от шумов, после этого можно включать запись. Результат преобразования в текстовом формате появится в окошке блокнота на этой же странице.

Можно установить расширение, чтобы использовать голосовой ввод в любом текстовом поле браузера. Также есть модуль интеграции с Windows, Mac или Linux, приложения для Android и iOS.

SaluteSpeech

Если вам нужно перевести речь в текст — будь то запись встречи, звонок клиента или голосовое сообщение — пользуйтесь сервисом распознавания речи SaluteSpeech от Сбера. Он работает на основе нейросетей и расшифровывает аудио, игнорируя фоновый шум. Также автоматически расставляет знаки препинания, определяет конец реплики и даже анализирует эмоции говорящего: позитивные, нейтральные или негативные.

Для бизнеса есть готовые сценарии: транскрибация звонков в контакт-центре, расшифровка лекций и совещаний, автоматическое заполнение CRM. Поддерживается загрузка файлов через Telegram-бота и десктоп-приложение для Windows и macOS.

Есть бесплатный пакет — 100 минут распознавания в месяц. Для малого бизнеса — от 12 000 ₽ в год за 20 000 минут. Крупным компаниям доступны индивидуальные условия. Работает с русским языком, документация на русском.

Yandex SpeechKit

Это сервис по распознаванию речи от Яндекса. Работает как часть Yandex Cloud. В нём нет редактора и он не умеет расшифровывать готовые аудиозаписи. Сервис умеет только распознавать надиктованный текст, озвучивать любой текст на нескольких языках с интонацией, а также синтезировать уникальный голос.

При этом он не ставит знаки препинания, а максимальная длина надиктованного текста не может быть больше минуты.

Работает в основном через API. Стоимость в среднем 1 копейка за 1 секунду аудио. Сервис сделан очень запутанно, в нём нужно долго копаться, чтобы понять, как настроить и интегрировать. Рассчитан на профессиональных юзеров.

Для преобразования речи в текст на мобильных устройствах

Если нужно записать какую-то мысль или идею вдалеке от рабочего стола, используйте мобильные сервисы. С их помощью можно надиктовать текст, сохранить его или отправить в другое приложение.

Google Keep

Google Keep позволяет надиктовывать заметки голосом. Сервис преобразует речь в текст, который при необходимости можно отредактировать. Созданные заметки синхронизируются на разных устройствах одного аккаунта. Их можно открыть на телефоне или компьютере, через приложение или веб-версию, в Google Документах или в Gmail.

Заметки из Google Keep можно копировать в Google Документы и отправлять через email или в соцсети.

Dictation для iOS

Плюс этого приложения для iOS — в отсутствии ограничений по времени диктовки. Dictation поддерживает 40 языков, а надиктованный текст можно быстро перевести на другой язык.

Также приложение позволяет транскрибировать аудиофайлы, сохранять в формате PDF. Все записи синхронизируются на разных устройствах при включенном iCloud. Надиктованными текстами можно делиться: отправлять в мессенджеры или по email.

Speechnotes для Android

Приложение Speechnotes работает на основе распознавания речи Google. Для начала записи достаточно кликнуть по кнопке микрофона и начать говорить. Некоторые знаки пунктуации можно озвучивать голосом, для других доступна встроенная клавиатура, которой можно пользоваться прямо в процессе надиктовки.

Готовый текст можно отредактировать, сохранить, переслать, распечатать. В премиум-версии (от $1,5) доступно создание клавиш для вставки самых используемых фраз.

Для ручной расшифровки аудио- и видеозаписей

Результат автоматической расшифровки почти всегда требует доработки — проставить знаки препинания, подправить термины, заменить неверное написание отдельных слов. Если времени на доработку материала нет и нужна идеальная расшифровка, лучше доверить преобразование записей живым людям. Можно поискать частного специалиста или воспользоваться услугами специализированного сервиса.

Zapisano

Zapisano — сервис профессиональной ручной расшифровки аудио и видео: транскрибацией занимаются не машины, а люди. Это обеспечивает качественный результат, отсутствие «мусора» и верную пунктуацию. Помимо русского сервис поддерживает и некоторые иностранные языки.

Стоимость расшифровки зависит от того, для чего вам нужна расшифровка: для себя или для суда, а также наличия помех, быстрой речи и других факторов. Так в тарифе «Бюджет» стандартная обработка файла стоит от 32 ₽ за минуту, а время исполнения 5 рабочих дней.

Чем сложнее материал и выше срочность, тем дороже услуга. Можно самостоятельно просчитать стоимость при помощи тарифного калькулятора.