Расшифровка аудио и видео в текст
Расшифровка аудио в текст прямо в браузере: выберите запись или видео – речь распознается на вашем устройстве, и вы получите текст с таймкодами. Поправьте фразы, отметьте спикеров и скачайте TXT, DOCX или субтитры SRT и VTT.
Что делать с результатом
Перечитайте расшифровку и поправьте имена, числа и термины: модель пишет их на слух и может ошибиться. Субтитры SRT загрузите в YouTube или VK Видео к ролику, VTT подключите к видео на сайте. Расшифровку встречи разметьте по спикерам и отправьте участникам как протокол, лекцию или интервью используйте как основу статьи. Если записи звонков и встреч приходят каждый день, расшифровку удобнее настроить автоматически – в CRM или ботом.
Что учитывает инструмент
Распознает модель Whisper от OpenAI (base или small, веса int8) через Transformers.js и onnxruntime-web прямо на вашем устройстве: запись и текст на сервер не уходят, сайт отдает только файлы модели. Модель подбирается под устройство: на телефоне и для записей длиннее 15 минут – быстрая base, на компьютере – более точная small; если памяти не хватает, инструмент сам продолжает на base. Точность зависит от записи: шум, музыка, голоса, перебивающие друг друга, и редкие термины дают ошибки, а на тишине Whisper может сочинить фразу – поэтому куски тише порога не распознаются. Запись до 2 часов и до 2 ГБ идет кусками по 30 секунд с перекрытием, на телефоне – дольше, чем звучит запись. Спикеров модель не различает – их отмечают вручную. Звук из видео извлекает mediabunny через WebCodecs, без ffmpeg. Черновик правки хранится в этом браузере 7 дней. Лицензии: Transformers.js – Apache-2.0, onnxruntime-web – MIT, mediabunny – MPL-2.0, веса Whisper – Apache-2.0 и MIT; тексты – на странице «Лицензии компонентов» в подвале сайта.
Как сделать вручную
- Голосовой ввод в Google Документах: откройте документ в Chrome, выберите «Инструменты» → «Голосовой ввод», укажите язык и нажмите на микрофон.
- Включите запись рядом с микрофоном компьютера: документ напишет то, что слышит. Таймкодов не будет – отмечайте время вручную.
- Субтитры YouTube: загрузите видео в Творческую студию с ограниченным доступом и подождите, пока YouTube создаст автоматические субтитры – обычно до нескольких часов.
- Откройте раздел «Субтитры» ролика, выберите автоматическую дорожку на нужном языке и поправьте текст в редакторе.
- Скачайте дорожку в формате SRT или VTT – получится текст с таймкодами. Перед публикацией сверьте имена, числа и термины.
Расшифровка без ручной работы
Вопросы и ответы
Файл загружается на сервер?
Нет. Запись распознается в вашем браузере: сайт отдает только файлы модели Whisper, а звук, текст и имя файла остаются на устройстве. Черновик правки хранится в этом браузере 7 дней, кнопка «Удалить черновик» стирает его сразу, а «Удалить скачанные модели» освобождает место от модели.
Какая длина записи?
До 2 часов и до 2 ГБ: видео читается потоком, в памяти только звук текущего куска. Время зависит от устройства: на компьютере запись обычно распознается быстрее, чем звучит, на телефоне – медленнее. Длинную запись можно остановить и продолжить с того же места, пока вкладка открыта.
Почему нет разделения по спикерам?
Автоматическое разделение голосов – отдельная модель, и на обычном устройстве она считается долго. Поэтому спикеров отмечают вручную: включите «Отметить спикеров» и выберите у фраз «Спикер 1», «Спикер 2». Разметка попадет в TXT, DOCX и субтитры.
Как вставить SRT в видео?
В YouTube и VK Видео загрузите SRT в разделе субтитров ролика. В видеоредакторе – CapCut, Premiere Pro, DaVinci Resolve – импортируйте файл на дорожку субтитров. На сайте подключите файл VTT к видео элементом track: субтитры включатся кнопкой в плеере.
Можно ли расшифровать голосовое сообщение?
Да. Сохраните голосовое из Telegram или WhatsApp файлом – обычно это OGG или OPUS – и выберите его здесь. Текст можно скопировать или скачать. Расшифровка бесплатная и без регистрации, запись остается на вашем устройстве.
Можно ли расшифровать звонки автоматически?
Да, но это уже не ручная загрузка файлов: телефония или запись встреч связывается с распознаванием и CRM. Звонок записывается, расшифровывается и попадает в карточку клиента вместе с итогом разговора. Такую связку я настраиваю под задачу – варианты и цены в блоке «Следующий шаг».