Как перевести голосовое сообщение в текст

Голосовые удобны тому, кто их записывает, и неудобны тому, кто слушает. На совещании, в метро или просто когда быстрее прочитать, выручает расшифровка: запись превращается в текст с расставленными знаками препинания. В tenzor это работает и в браузере, и в боте Телеграма, на русском и без VPN.

Самый быстрый способ — переслать голосовое нашему боту в Телеграме: он расшифрует речь и сразу ответит по сути сказанного. Если нужен именно текст, добавьте к пересланному голосовому подпись «выпиши дословно». В веб-версии есть обратный ход: кнопка микрофона в поле ввода, вы наговариваете мысль вслух, а в поле появляется готовый текст.

Как перевести голосовое в текст в Телеграме

Порядок простой:

1. Откройте нашего бота в Телеграме и нажмите «Старт».
2. Перешлите ему голосовое сообщение из любого чата или запишите своё прямо в диалоге с ботом.
3. Через несколько секунд придёт ответ: речь распознана, дальше бот отвечает на то, о чём в ней говорилось.

Тонкость, которую стоит знать заранее. Расшифрованный текст бот воспринимает как ваше сообщение и реагирует на него: услышав «набросай план поста про осеннюю распродажу», он план и напишет. Когда нужна голая расшифровка, отправьте голосовое с подписью «выпиши текст дословно, без комментариев».

Записи длиннее десяти минут бот не берёт. Для длинной планёрки разбейте запись на части или перескажите главное отдельными голосовыми.

Как надиктовать текст вместо того, чтобы печатать

В веб-версии в поле ввода есть кнопка микрофона. Нажимаете, говорите, останавливаете запись, и текст дописывается в поле. Дальше его можно поправить руками и отправить.

Диктовка заметно быстрее печати на длинных мыслях: описать задачу голосом за полминуты проще, чем набирать её две минуты. На телефоне это особенно заметно. Во время записи видно бегущую звуковую дорожку и таймер, так что понятно, что микрофон слышит вас.

Насколько точно распознаётся русская речь

Обычная речь в тихом помещении расшифровывается почти дословно, вместе с запятыми и точками. Акцент, быстрый темп и телефонное качество связи заметного вреда не наносят.

Что действительно портит результат:

• фоновый шум, где несколько человек говорят одновременно;
• запись с расстояния в несколько метров от телефона;
• узкая профессиональная терминология и редкие имена собственные, их стоит проверить глазами;
• цифры и артикулы, где ошибка в одном знаке меняет смысл.

Если запись важная, попросите ту же нейросеть следующим сообщением: «проверь текст на логические разрывы и отметь места, где расшифровка выглядит сомнительной».

Что делать с текстом дальше

Расшифровка редко нужна сама по себе. Обычно после неё следует что-то ещё, и это удобно делать в том же диалоге:

• «Сделай из этого короткое резюме на пять пунктов».
• «Вытащи из разговора задачи и сроки, оформи списком».
• «Перепиши деловым тоном для письма клиенту».
• «Переведи на английский, сохрани смысл, не дословно».

Голосовые из других мессенджеров придётся сначала переслать в Телеграм именно голосовым сообщением. Аудиофайлы и видео бот пока не принимает.

Сколько кредитов спишется

Расшифровка тарифицируется по длительности записи: минута обходится примерно в 2 ₽, а типичное голосовое на двадцать секунд стоит меньше рубля. Ответ нейросети на расшифрованный текст считается отдельно, как обычное сообщение в чате. Как устроен расчёт, подробно разобрано в статье про токены и кредиты.

Что дальше

• Поговорить с нейросетью голосом и текстом — как пользоваться чатом.
• Собрать текст из расшифровки — нейросеть для текста.
• Сделать из разговора пост — как написать пост нейросетью.
• Озвучить текст обратно голосом — раздел «Музыка и звуки».

Частые вопросы