Как мы оцениваем сервисы
Ключевой показатель — точность на русской речи с шумом, акцентами и несколькими собеседниками. Кроме того, учитываем разделение по спикерам, таймкоды, экспорт субтитров, работу с длинными файлами, расшифровку в реальном времени, цену часа записи и оплату из России.
Сервисы для транскрибации
ElevenLabs
У ElevenLabs, известного синтезом речи, есть модель распознавания Scribe, в том числе версия Scribe v2 Realtime для расшифровки на лету. На бесплатном плане 10 тысяч кредитов ежемесячно, платный Starter стоит $6, но российской картой его не оплатить.
Fish Audio
Fish Audio кроме озвучки распознаёт речь моделями transcribe-1 и transcribe-1-pro, а ещё умеет отделять голос от музыки, что помогает с зашумлёнными записями. Есть API, бесплатный уровень с ограничениями, Plus около $15 в месяц, оплата зарубежной картой.
BotHub
BotHub — российский агрегатор сотен нейросетей, в котором есть транскрибация и анализ документов. Удобно, что расшифровку тут же можно передать языковой модели и получить конспект или протокол. Оплата пакетами в рублях картой МИР без подписки, 30 000 бесплатных Caps после регистрации, работает без VPN.
Что можно сделать с расшифровкой
- Протокол встречи: решения, ответственные и сроки.
- Конспект лекции или вебинара с главными тезисами.
- Субтитры к видео для YouTube, VK Видео и соцсетей.
- Текст интервью для статьи с цитатами.
- Расшифровка голосовых, когда нет возможности слушать.
- Поиск по записям: найти, где обсуждали нужную тему.
Как расшифровать аудио нейросетью точно
- Запишите чисто: микрофон ближе к говорящим, без музыки на фоне.
- Укажите язык и, если можно, число спикеров.
- Добавьте словарь терминов, имён и названий компаний, если сервис это поддерживает.
- Проверьте имена и цифры: в них ошибки встречаются чаще всего.
- Попросите языковую модель сделать из расшифровки протокол, конспект или выжимку.
Субтитры
Для субтитров важны таймкоды и экспорт в SRT или VTT. Расшифровку проверяют, режут на короткие строки по 35–42 символа и синхронизируют с видео. Готовые субтитры и перевод ролика на другие языки делают сервисы из раздела озвучка и субтитры видео.
Протоколы встреч
ИИ для протоколов работает в два шага: сначала расшифровка, потом обработка текста языковой моделью по шаблону «участники, обсуждали, решили, кто и к какому сроку делает». Перед записью встречи предупредите участников. Записи с коммерческой тайной и персональными данными лучше обрабатывать в российских сервисах или на своём сервере, например открытой моделью Whisper. Для обработки длинных текстов пригодится раздел краткий пересказ.
Бесплатно
Бесплатно расшифровать небольшой объём можно в ElevenLabs и в BotHub на стартовых Caps. Для больших архивов выгоднее платный тариф или локальное распознавание на своём компьютере.
Как выбрать
- Без VPN и с оплатой МИР? BotHub.
- Расшифровка в реальном времени? ElevenLabs Scribe.
- Шумные записи с музыкой? Fish Audio с отделением голоса.