Сибирь AI

Нейросеть, которая переводит речь в текст

Загрузите запись и получите текст. Считает Whisper large-v3 на нашей видеокарте в Новосибирске. Бесплатно, без регистрации.

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 .

Какая именно нейросеть

Whisper large-v3, одна из самых крупных открытых моделей распознавания речи. Она работает на нашей видеокарте, а не через чужой интерфейс: ни один шаг обработки не обращается наружу. Это важно не для красоты, а по существу: запись никуда не уезжает.

Мы называем модель прямо, потому что от нее зависит результат, и вы вправе сверить. Сервисы, которые пишут просто «наш искусственный интеллект», обычно используют ту же самую модель, только не говорят об этом.

Путь записи до текстаЗаписьРаспознаваниевидеокарта в НовосибирскеТекстСубтитры SRTДокумент
Запись уходит на нашу видеокарту в Новосибирске, а обратно приходит текст с таймкодами, субтитры и документ.

Насколько она точна

Про точность: на чистой русской речи доля ошибок в словах единицы процентов, на шумной записи заметно больше. Почему мы не называем точную цифру.

«Нейросеть» не означает «понимает все». Она распознает звуки речи и собирает из них слова по вероятности. Поэтому редкие фамилии, названия компаний и профессиональные термины она путает чаще обычных слов, а на записи, где говорят одновременно, ошибается заметно.

Почему бесплатно

Видеокарта у нас стоит под обучение собственных языковых моделей. Свободное время этой карты уходит на расшифровку, и платить за него не нужно: оборудование наше и работает в любом случае. Ограничение техническое, а не коммерческое: час записи в сутки с одного человека.

Час записи обрабатывается примерно за две минуты. Это замер на нашей карте.

Запись обрабатывается на видеокарте в Новосибирске и не уходит в зарубежные облака.

Что получится на выходе
ФорматЧто внутриЗачем нужен
TXTтекст с отметками времени по репликамчитать и править
MDтот же текст в разметке Markdown со сводкой записизаметки и базы знаний
DOCXтекст с абзацамисдать документом
SRTтекст с таймкодамисубтитры к видео
JSONфразы и слова со временем начала и конца, говорящиедальнейшая обработка

Чего нейросеть здесь не делает

Это осознанное ограничение. Пересказ, сделанный молча внутри расшифровки, потом не отличить от сказанного на самом деле, и цена такой ошибки выше пользы.

Частые вопросы

Какая модель используется

Whisper large-v3, открытая модель распознавания речи, на нашей видеокарте. Мы ее называем, потому что от нее зависит результат.

Нейросеть понимает смысл сказанного

Нет. Она распознает речь и отдает текст. Смысл, выводы и пересказ это отдельная работа, и здесь ее нет намеренно: додуманное потом не отличить от сказанного.

Чем это отличается от голосового ввода в телефоне

Голосовой ввод работает с живой речью в реальном времени и по одному человеку. Здесь расшифровывается готовая запись любой длины, с несколькими говорящими и с метками времени.

Данные уходят на обучение модели

Нет. Записи не используются для обучения и не читаются людьми. Исходная запись удаляется сразу после расшифровки.

Другие способы расшифровки

Все инструменты на одной странице