Запись нечитаема, пока не станет расшифровкой, а большинство служб расшифровки требуют для этого загрузить аудио. Здесь распознавание идёт на вашем устройстве. Аудио декодируется и передискретизируется, речевая модель работает в фоновом процессе, а выдаваемые ею фрагменты — по одному раз в несколько секунд — сливаются в абзацы на границах предложений, а не остаются стеной из отдельных строк. Отметки времени могут открывать каждый абзац, а результат выгружается в PDF, обычный текст или субтитры SRT и VTT.
Возможности
Распознавание идёт на вашем устройстве — запись никогда не загружается
Три размера моделей: от быстрой только для английского до более медленной многоязычной
Фрагменты сливаются в абзацы на границах предложений, а не по строке на каждый
Отметки времени в начале абзаца, при необходимости переходящие к часам
Выгрузка в PDF, обычный текст, SRT или VTT
Формат страницы, поля и гарнитура на ваш выбор
Работает и с аудиодорожкой видеофайла
Как использовать Аудио в PDF
Положите аудио- или видеофайл
Выберите модель и, если она многоязычная, язык речи
Дождитесь расшифровки — на большинстве машин примерно в реальном времени
Добавьте заголовок и выгрузите PDF или файлы субтитров
Пример
Ввод
board-call.m4a — 34 minutes, base multilingual model
Результат
412 paragraphs, 6,140 words, exported as board-call.pdf and board-call.srt
Отметки времени сами переходят к часам, как только запись переваливает за шестьдесят минут.
Частые ошибки и устранение неполадок
Браузер не смог декодировать аудио. — Попробуйте MP3, WAV, M4A или OGG. Некоторые контейнеры и кодеки в браузере не декодируются вовсе; преобразуйте файл заранее.
Имена и технические термины распознаны неверно. — Именно здесь распознавание слабее всего, и полностью это не решает ни одна модель. Модель побольше помогает, но сверять расшифровку с записью всё равно необходимо.
На длинной записи кончилась память. — Разбейте файл на более короткие куски или выберите модель поменьше. Даже с малой моделью два часа выходят за пределы большинства браузеров.
Язык определён неверно. — Укажите его явно вместо автоопределения. Модель только для английского всегда считает речь английской, что бы она ни услышала.
Часто задаваемые вопросы
Насколько точна расшифровка?
Хороша на чистой записи одного говорящего и заметно хуже при наложении речи, сильном акценте, фоновом шуме и непривычных именах. Относитесь к ней как к черновику, который надо выправить.
Загружается ли запись?
Нет. Она декодируется и распознаётся в процессе внутри вашего устройства. Веса модели один раз забираются с публичного хранилища и кэшируются браузером.
Сколько занимает расшифровка?
На обычном ноутбуке с малой моделью примерно реальное время: полчаса записи — около получаса. Модели побольше медленнее и точнее.
Какую модель выбрать?
Для чистого английского — только для английского: она самая маленькая и в этом случае самая точная. Для других языков или сильного акцента — многоязычную базовую, а когда точность важнее времени — малую многоязычную.
Можно ли получить субтитры вместо документа?
Да — выгружаются и SRT, и VTT со временем из распознавания, поэтому их можно сразу положить на видео.
Связанные инструменты
Чтение PDF вслух — Слушайте PDF, прочитанный вслух по фрагментам.
Текст в PDF — Превращает набранный или вставленный текст в постраничный PDF.