Точность распознавания речи
Стопроцентной точности распознавания речи нет ни у одного сервиса, и вычитывать текст придётся всё равно. Вопрос в объёме правок. Одна запись выходит почти готовым документом, другую проще перепечатать, и разницу почти всегда делает качество звука. Ниже разобрано, что влияет на результат, где сервис ошибается чаще всего и как проверить его на своём файле: на это есть до 60 минут бесплатно.
Как проверить точность на своей записи
Не самую удачную и не самую плохую. Обычную, с какими вы работаете каждый день.
Карта для этого не нужна. Текст приходит, пока вы занимаетесь другими делами.
Пробегитесь по тексту и отметьте, сколько мест пришлось тронуть. Это и есть точность на ваших записях, и она скажет больше любых процентов в рекламе.
Точность делает не сервис, а микрофон
Одна и та же нейросеть на разных записях выдаёт совсем разный текст. Диктофон в двадцати сантиметрах от говорящего даёт текст, который почти можно отправлять. Тот же диктофон в конце переговорной под гудящим кондиционером даёт текст с пропусками. Поэтому поднимать качество стоит с записи: телефон ближе к говорящему, не на столе, по которому стучат, без музыки фоном. Выбор сервиса тоже влияет, но меньше (как разные нейросети ошибаются на русском, видно в сравнении ChatGPT, Whisper и GigaAM). Что именно портит звук и как с этим жить, разобрано на странице про плохой звук. Второй по силе фактор — редкие слова: фамилии, названия компаний, узкие термины. Движок распознавания речи учился на живой русской речи. Вашего внутреннего словаря он не знает, поэтому «Кузнецова» услышит верно, а название вашего продукта может записать по-своему.
Что влияет на результат
Качество звука
Самое сильное влияние. Чистая запись рядом с говорящим и запись с улицы отличаются так, что сравнивать их в процентах бессмысленно.
Дикция и темп
Спокойная речь распознаётся заметно лучше скороговорки и бормотания под нос. Проглоченные окончания движок достраивает по смыслу и иногда ошибается.
Имена и термины
Фамилии, названия и профессиональный жаргон дают больше всего правок. Проверяйте их первыми, врачам это знакомо по названиям препаратов.
Числа и сокращения
Движок сам нормализует текст: пишет числа цифрами, ставит знаки препинания. Даты, суммы, номера договоров и аббревиатуры всё равно сверяйте при вычитке.
Язык записи
Русский — родной для движка Яндекса. Распознаём 15 языков. Русский — нативно, на нём лучшее качество; остальные доступны, но точность на них ниже. Язык выбирается вручную или определяется автоматически. Если запись на смеси языков, выберите основной вручную. Готовый текст можно перевести на русский во вкладке «Перевод».
Перекрёстная речь
Когда двое говорят одновременно, часть слов теряется, а граница между репликами ставится примерно. Такие места видны по таймкодам, их стоит переслушать.
Точность на разных записях
| Запись | Чего ждать | Что сделать |
|---|---|---|
| Диктофон рядом с говорящим | Текст почти дословный, правки в именах и терминах | Пробежать фамилии, числа и названия |
| Переговорная, телефон посреди стола | Дальние голоса тише, в эхе пропадают окончания | Класть телефон ближе к тем, кто говорит больше |
| Телефонный звонок | Узкая полоса линии, шипящие путаются | Вычитывать внимательнее, особенно цифры и адреса |
| Улица, кафе, ветер | Пропуски там, где шум громче голоса | Держать микрофон у говорящего, закрывать от ветра |
Самый надёжный способ узнать точность — прогнать свою типичную запись.
Отличный сервис для руководителя! Очень выручает, когда нужно быстро написать пост, статью или поставить рабочую задачу. Главная фишка для меня — транскрибация аудио и видео в текст за 5 минут, это идеально для расшифровки планёрок. Инструмент колоссально экономит время!
Использую Текстомат в работе HR. Удобно переводить видеоинтервью в текст и дальше закидывать для анализа в GPT. Работает быстро, есть разделение на спикеров, высокая точность — есть с чем сравнить. Теперь рекомендую коллегам, оформила подписку Про.
Использовала, чтобы проанализировать звонки менеджеров: расшифровываю здесь, а аналитику по этапам продаж делаю в других ИИ. Сервис работает быстро, не перегружен, всё понятно. Пробовала другие — там были сложности с регистрацией, тут без подводных камней.
Сколько минут вам нужно?
Подвигайте ползунок — подскажем подходящий тариф. Неиспользованные минуты не сгорают.
Калькулятор минут
Сколько часов записей вы обрабатываете в месяц?
Старт
- Спикеры, таймкоды и все форматы экспорта
- Хранение в России
- 5 часов записей в месяц
Про
- Всё из тарифа «Старт»
- Час записи ≈75 ₽
- 20 часов записей в месяц
Бизнес
- Для больших потоков записей
- ≈67 часов записей в месяц
- Больше 4000 минут — индивидуальный расчёт
Вопросы про точность
Цифру мы не называем. На чистой записи текст получается близким к дословному, на записи с улицы заметно хуже, и средний процент ввёл бы в заблуждение. Узнать свою точность можно на собственном файле. До 60 минут бесплатно: 30 минут после подтверждения почты и ещё 30 за подписку на наш Телеграм-канал (бот начисляет их на тот же аккаунт после привязки Телеграма в профиле). Банковская карта не нужна.
Нет, ни у одного сервиса. Даже человек-расшифровщик переспрашивает и переслушивает. Вычитка нужна всегда, меняется только её объём.
Движок знает общую русскую речь. Редкие фамилии, бренды и отраслевые термины он пишет так, как услышал, поэтому вычитку начинайте с них.
Нет. Распознавание одно и то же на всех тарифах, тарифы отличаются только количеством минут.
Сначала посмотрите, можно ли записать разговор заново, ближе к говорящему. Если запись единственная, загрузите её как есть: пропуски будут, но основное обычно читается. Приёмы для шумных записей собраны на странице про плохой звук.
Яндекс SpeechKit изначально учили на русской речи, поэтому он уверенно держит падежи, окончания и разговорные обороты. Запись обрабатывается на серверах в России и за рубеж не уходит.
Обычно за минуты. Подробно про сроки — на странице про скорость расшифровки.
Рядом по теме
Весь раздел «Возможности»Спикеры, таймкоды, форматы, ИИ — обзор всего сразу.расшифровка шумной записи
Кафе, эхо, дальний микрофон — что вытянет, а что нет.
Длинные записи и большие файлы
До 2 ГБ и около 4 часов звука в файле — и что делать с записью длиннее.
как быстро приходит текст
Минуты вместо четырёх-шести часов вручную.
152-ФЗ и данные в России
Где лежит запись, кто её видит и когда она удаляется.
Бесплатная расшифровка
До 60 минут бесплатно, без банковской карты.
расшифровка аудио в текст
Запись разговора, интервью или голосовое — в текст со спикерами.
на каких языках распознаёт
15 языков и автоопределение: сервис сам поймёт язык записи.
Расшифровка нейросетями
ChatGPT, Whisper, Алиса и GigaChat: что умеют, где лимиты и что выбрать.
Попробуйте Текстомат — до 60 минут бесплатно
Без карты и установки. Загрузите запись прямо сейчас и получите готовый текст.