Транскрибация в Яндексе: что есть на самом деле

Сразу о нашей позиции: мы делаем свой сервис расшифровки и распознаём речь тем же Яндекс SpeechKit, о котором пойдёт речь ниже. Поэтому ругать технологию не будем: движок сильный, мы сами на нём стоим. Разговор о другом: в каком виде он доступен человеку, у которого есть запись и нет отдела разработки.

Яндекс SpeechKit: движок, а не сервис

SpeechKit — то, что люди имеют в виду, когда говорят «распознавание речи от Яндекса». Модель обучали на русской речи, поэтому она хорошо держит имена, окончания и разговорные обороты.

Сейчас SpeechKit входит в Yandex AI Studio, платформу для разработчиков. Чтобы расшифровать файл, заводят облачный и платёжный аккаунты, получают ключ доступа и отправляют запрос к API. Без кода или хотя бы командной строки не обойтись. Окна «перетащите запись и получите текст» у SpeechKit нет: он сделан для программ, которые встраивают распознавание в свои продукты.

Проще всего думать так: SpeechKit можно сравнить с двигателем, который продают автопроизводителям. Ездить на одном двигателе нельзя, нужна машина вокруг него.

Сколько стоит SpeechKit и как им воспользоваться без кода

Платят за секунды распознанного звука. Если результат не нужен сразу, есть отложенный режим, он в несколько раз дешевле. Точные цены с датой проверки мы собрали в таблице разбора цен на распознавание речи и здесь их не повторяем: прайс Яндекс время от времени меняет.

Ограничения асинхронного распознавания по документации такие: запись до 4 часов, файл до 1 ГБ, готовый результат хранится на сервере трое суток. Всё остальное делает программист: забирает ответ, склеивает фразы, раскладывает их по говорящим и сохраняет в документ.

Без кода SpeechKit доступен только через сервисы, построенные поверх него. Текстомат из их числа, и платите вы здесь пакетом минут:

• Старт — 490 ₽ за 300 минут: минута 1,63 ₽, час записи около 98 ₽.
• Про — 1 490 ₽ за 1 200 минут: минута около 1,24 ₽, час около 75 ₽.
• Бизнес — 4 190 ₽ за 4 000 минут: минута 1,05 ₽, час около 63 ₽, всего примерно 67 часов записи.

Минуты не сгорают, списываются по длине записи и только за успешную расшифровку. Минута голого движка дешевле; разница уходит на то, что сервис делает вокруг него: загрузку, деление по голосам, редактор и выгрузку в документ.

Алиса в телефоне и колонке: голосовой ввод

Запрос «видео в текст Алиса» задают часто. Обычная Алиса в приложении, колонке и Браузере — голосовой помощник. Она распознаёт вашу речь в тот момент, когда вы говорите: вопрос, диктовка сообщения, голосовой поиск.

Надиктовать короткий текст здесь и сейчас с ней действительно удобнее, чем печатать. Расшифровка часовой записи устроена иначе: готовый файл разбирают целиком, делят на говорящих, ставят метки времени. Как это сделать разными способами, мы подробно разбирали в гайде как перевести аудио и видео в текст.

Расшифровка аудио в текст в Алисе Про: что известно

У организаций есть ещё один путь. Алиса Про работает ассистентом для рабочих задач внутри Яндекс 360 для бизнеса: разбирает документы и переписку в Почте, собирает из файлов базу знаний, пишет конспекты встреч в Телемосте.

Продукт сейчас переезжает. В справке для администраторов Яндекс 360 на 30 сентября сказано, что Алиса Про работает только в режиме чтения и скоро отключится, а проекты перенесены в Алису AI для бизнеса. Новый ассистент доступен сотрудникам организаций на тарифах Яндекс 360 «Минимальный», «Основной», «Продвинутый», «Корпоративный» и на отдельном тарифе «Алиса AI для бизнеса». На странице этого тарифа указано 1 199 ₽ за сотрудника в месяц и три первых месяца бесплатно.

Принимает ли ассистент аудиофайлы и какие у них лимиты по длине и размеру, официальная справка на эту дату не пишет: на странице продукта речь о договорах, таблицах и других рабочих материалах. Если ваша компания уже работает в Яндекс 360, проверьте на короткой записи, прежде чем строить на этом процесс. Частному человеку с одной записью этот вариант не подходит: тариф подключает организация, и нужен аккаунт её сотрудника.

Яндекс Телемост: расшифровка есть, но не у всех

В Телемосте Алиса Про готовит конспект встречи, а во вложении к нему приходит полная расшифровка речи. Это самое близкое к «готовой транскрибации от Яндекса», что есть сейчас. Условий три.

• У организации подключён тариф «Минимальный», «Основной», «Продвинутый» или «Корпоративный», а встреча идёт с корпоративного аккаунта. На личном бесплатном аккаунте кнопки нет, отсюда и недоумение тех, кто её ищет.
• Запустить конспект по умолчанию могут организатор и соорганизаторы звонка. Остальным участникам права выдают отдельно.
• Работает только со встречей, которая идёт в самом Телемосте. Запись, сделанную в другом месте, туда не загрузить.

Звук для конспекта хранится 24 часа, пока тот готовится, потом удаляется. Если конспект не включали, остаётся обычная запись встречи на Яндекс Диске организатора, и с ней путь такой же, как с любым файлом. Пошагово он описан на странице расшифровка записей Телемоста, а советы для созвонов из других программ собраны в разделе расшифровка встреч.

Как расшифровать видео в Яндексе

С видео у каждого инструмента Яндекса свой ответ, и полного текста с голосами не даёт ни один из них без оговорок:

• Ролик на YouTube, VK или Rutube можно открыть в Яндекс Браузере и попросить пересказ. Получите тезисы, но не дословный текст.
• Встреча в Телемосте на тарифе для организаций даёт конспект с расшифровкой, но только для звонков, прошедших в самом Телемосте.
• SpeechKit работает со звуком: видеофайл сначала перегоняют в аудио, потом отправляют через API.
• Про видеофайлы в Алисе AI для бизнеса справка на 30 сентября ничего не сообщает.

Если нужен дословный текст видео, проще отдать файл сервису, который сам вытащит звук. Текстомат принимает MP4, MOV и WEBM до 2 ГБ, а ещё ссылки на YouTube, ВКонтакте, Rutube и публичные ссылки на файл в Яндекс Диске или Google Диске. У ролика с субтитрами площадки можно взять эти субтитры за половину длительности, без деления по голосам, или распознать звук заново, уже с голосами.

Яндекс Браузер: пересказ ролика — это не расшифровка

Пятое место, где люди встречают «текст из видео» у Яндекса, — браузер. Он умеет переводить чужие ролики закадровым голосом и делать короткий пересказ содержания. Выглядит похоже на транскрибацию, но задача у него другая.

Пересказ сжимает: вам возвращают несколько абзацев о том, про что ролик. Расшифровка даёт полный текст сказанного, слово в слово, с указанием, кто говорил и на какой минуте. Первое помогает решить, стоит ли смотреть. Второе нужно, когда из записи надо достать цитату, собрать протокол или сделать субтитры. И браузерный пересказ работает с роликами в интернете, с файлом на вашем компьютере он ничего не сделает.

Сводка: что где искать

• Встроить распознавание в свою программу — SpeechKit в Yandex AI Studio, через API и код.
• Надиктовать короткий текст голосом — Алиса или голосовой ввод на клавиатуре.
• Разобрать документы и переписку компании — Алиса AI для бизнеса (бывшая Алиса Про) на тарифе Яндекс 360.
• Получить конспект и расшифровку встречи в Телемосте — тариф Яндекс 360 для организаций, конспект запускает организатор.
• Понять, о чём чужой ролик, не смотря его, — пересказ в Яндекс Браузере.
• Есть файл записи, нужен полный текст с говорящими и таймкодами, а корпоративного тарифа нет — сервис расшифровки поверх движка.

Что делать с обычным файлом

Последний пункт сводки встречается чаще всего: запись совещания, интервью, лекции или звонка уже лежит на компьютере или на Яндекс Диске, и нужен её текст. Для этого нужно место, куда файл просто перетаскивают, а обратно получают готовый документ.

Так устроен Текстомат. Речь распознаёт тот же SpeechKit, а сервис добавляет то, чего нет у голого движка: загрузку файла до 2 ГБ и около 4 часов звука прямо в браузере, приём по ссылке с YouTube, VK, Rutube, Яндекс Диска и Google Диска, деление по голосам, таймкоды у каждого фрагмента и выгрузку в Word, TXT, SRT и JSON. Обработка идёт в России, платить можно картой российского банка или через СБП.

Запись Телемоста с Яндекс Диска скачивать на компьютер не обязательно. Откройте к файлу публичный доступ и вставьте ссылку в форму; ссылка должна вести на сам файл, не на папку. Для проверки есть бесплатные минуты на пробу: 30 после подтверждения почты и ещё 30 за подписку на наш Телеграм-канал, карта не нужна. Если выбираете между несколькими вариантами, загляните в обзор сервисов транскрибации.