Аудиоформаты в текст: WAV, M4A, OGG и остальные
Загрузите файл в любом из привычных форматов. Конвертировать заранее не нужно и чаще всего вредно: лишнее пересжатие только ухудшает звук.
Файл до 2 ГБ, до 3 часов звучания. Час записи обрабатывается примерно за две минуты. Результат отдается файлами: текст, текст с таймкодами, субтитры SRT и документ Word. Исходная запись удаляется сразу после расшифровки, готовые файлы - через 24 часа или раньше, по вашей кнопке.
Бесплатно и без регистрации. Расшифровку ведет программа «Сибирь.ИИ» на карте в Новосибирске. Записи не покидают Россию и не передаются третьим лицам. Оператор - ООО «ФИИ», ИНН 5402076457. Порядок обработки описан в политике обработки персональных данных. Обновлено .
Что принимается
- WAV - несжатая запись с диктофона или из редактора. Занимает много места, зато звук исходный.
- M4A и AAC - обычный формат записи на телефоне и в мессенджерах.
- OGG и OPUS - голосовые сообщения из Телеграма, ВКонтакте и WhatsApp.
- FLAC - сжатие без потерь, встречается у музыкантов и в архивах.
- AMR - старый телефонный формат, узкая полоса и заметные потери.
- WMA - формат Windows, чаще всего старые записи.
- AIFF - то же, что WAV, но со стороны Apple.
MP3 и видеоформаты вынесены отдельно: MP3 в текст и MP4 в текст.
Отдельно про WAV с диктофона
У части диктофонных записей в заголовке файла занижен размер блока данных. Это бывает, когда запись оборвалась или была дописана позже. Обычный проигрыватель честно останавливается там, где велел заголовок, и сорок шесть минут превращаются в пять.
Мы читаем такие файлы принудительно целиком и сверяем длительность с расчетом по размеру файла: для несжатой записи это точная величина. Если заголовок врет, расшифровка все равно получится полной. Проверку мы завели после того, как сами на этом обожглись.
Влияет ли формат на точность
Сам по себе почти нет: важнее, как записано. Несжатый WAV с хорошего микрофона разберется лучше, чем сильно сжатый AMR с телефонного разговора, но разница идет от полосы частот и шума, а не от расширения файла.
Заметно мешает только очень низкое качество: узкая полоса, битрейт от 32 кбит в секунду и ниже, сильный фоновый шум.
Про точность: на чистой русской речи доля ошибок в словах единицы процентов, на шумной записи заметно больше. Почему мы не называем точную цифру.
Час записи обрабатывается примерно за две минуты. Это замер на нашей карте.
Где считается запись
Запись обрабатывается на видеокарте в Новосибирске и не уходит в зарубежные облака.
Какой формат выбрать, если он еще не выбран
Если запись только предстоит сделать, порядок предпочтения такой.
- WAV или FLAC - когда важна каждая деталь: интервью для публикации, запись, которую потом будут разбирать по фразам.
- OPUS или OGG - лучший компромисс для речи. Весит мало, полосу почти не режет. Так пишет Телеграм.
- MP3 от 128 килобит - универсальный вариант, если файл поедет по разным программам.
- M4A - то, что отдает диктофон айфона. Годится, переделывать не нужно.
Чего лучше избегать для речи: форматов с частотой 8 килогерц, они режут верх, и записи со сжатием ниже 64 килобит, там уже слышны артефакты.
Редкие форматы и что с ними делать
- AMR - старый формат голосовой почты и некоторых автоответчиков. Принимается, но качество в нем изначально телефонное.
- WMA - наследие Windows. Принимается.
- AIFF - несжатый формат из мира Apple, по сути тот же WAV.
- DSS и DS2 - проприетарные форматы профессиональных диктофонов Olympus и Philips. Стандартными средствами не открываются, нужен родной конвертер производителя.
Все, что открывается в браузере, можно перевести в привычный формат конвертером, не отправляя файл никуда.
| Формат | Сжатие | Минута записи | Где открывается |
|---|---|---|---|
| WAV | нет | 10,1 МБ | везде, включая старую технику |
| FLAC | без потерь | зависит от записи, обычно около половины от WAV | почти везде, кроме старых плееров |
| MP3 | с потерями | 1,4 МБ на 192 кбит | везде без исключений |
| OGG | с потерями | 1,4 МБ на 192 кбит | игры, Linux, открытый веб |
| M4A | с потерями | 1,4 МБ на 192 кбит | техника Apple и почти все |
| WMA | с потерями | 1,4 МБ на 192 кбит | практически только Windows |
Чего эта страница не делает
- Не чинит битые файлы. Если запись оборвалась на середине, восстановить ее нечем.
- Не открывает защищенные форматы. Файлы с DRM и проприетарные форматы диктофонов нужно сначала перевести родной программой.
- Не улучшает качество. Что записано, с тем и работаем.
Частые вопросы
Нужно ли конвертировать файл перед загрузкой
Нет. Каждое пересжатие ухудшает звук, загружайте как есть.
Почему моя запись WAV оказалась короче, чем на самом деле
В заголовке занижен размер блока данных. Мы читаем такие файлы целиком и сверяем длительность с расчетом по размеру, поэтому расшифровка выходит полной.
Какой формат распознается точнее
Разница идет не от формата, а от качества записи: полосы частот, шума и того, насколько близко микрофон.
А форматы, которых нет в списке
Присылайте, скорее всего примем: список выше это самые частые, а не все.
Другие способы расшифровки
- Транскрибация: что это такое - значение слова и как это делается
- Голосовой ввод: надиктовать текст - запись с микрофона прямо на странице
- Точность расшифровки: от чего она зависит - что означает доля ошибок и где она хуже
- Расшифровка видео с YouTube в текст - текст и субтитры из ролика
- Голосовое сообщение и запись с диктофона в текст - голосовые и диктофонные записи
- Сделать субтитры к видео онлайн - готовый файл SRT из видео
- Расшифровка совещаний и встреч - запись встречи с разделением по говорящим
- Нейросеть, которая переводит речь в текст - какая модель считает и с какой точностью