Разделить говорящих в расшифровке видео помогает разметка по спикерам. Бот «Потока» подписывает реплики «Спикер 1» и «Спикер 2», Word «Расшифровка» ставит метки Speaker 1 и Speaker 2 и позволяет их переименовать. Имён бот не знает, только номера, подписать участников придётся самому.
В интервью, круглом столе или подкасте важно, кто что сказал. Ниже способы получить текст с разделением на говорящих.
Расшифровка видео с разделением по спикерам
- Отправьте видеофайл боту @potok_now_bot в Telegram, в том числе документом, или дайте ссылку на YouTube, VK Видео, RuTube либо прямую ссылку на файл.
- Включите разметку по спикерам.
- Получите текст: короткий придёт в чат, длинный файлом TXT или DOCX. Реплики будут подписаны «Спикер 1», «Спикер 2».
- Замените номера на имена вручную: бот имён говорящих не знает.
Word «Расшифровка» в Microsoft 365 принимает .mp4 и тоже размечает реплики как Speaker 1 и Speaker 2; метки можно переименовать, а клик по таймкоду проигрывает фрагмент. Нужен интернет. Большой видеофайл удобнее отправить через мини-приложение бота: оно открывается кнопкой у поля ввода в Telegram, «Загрузить», аккаунт и лимит те же, что и в боте. Если бот не открывает ссылку на ролик, загрузите файл.
| Сервис | Платформы | Бесплатно | Цена | Оплата из РФ | Где распознаётся речь |
|---|---|---|---|---|---|
| Бот «Потока» и веб-версия | Telegram (@potok_now_bot, мини-приложение в боте) | 60 минут в месяц | 7 дней — 249 ₽, 30 дней — 449 ₽, год — 2 890 ₽; входит в подписку приложения «Поток» | российские карты, рубли | облако, серверы в России; нужен интернет |
| Voix (@RecogMyAudioBot) | Telegram | голосовые до 15 минут, видео до 6 минут | — | не раскрыто | не раскрыто |
| Speech2Text.ru | Web | 3 часа при регистрации | — | не раскрыто | не раскрыто |
| Fireflies.ai | Web, iOS, Android, Chrome extension | ограниченное хранение и ИИ-кредиты | — | не раскрыто | не раскрыто |
| Happy Scribe | Web | 10 минут ИИ-расшифровки | $17/мес (Basic, помесячно, 120 минут); $29/мес (Pro, помесячно, 600 минут) | не раскрыто | не раскрыто |
| Транскрибатор (@gotranscribeai_bot) | Telegram, Max | 3 транскрипции в месяц | — | не раскрыто | не раскрыто |
| Voicy (@voicybot) | Telegram | бесплатно; на движке Wit.ai — записи до 50 секунд | — | не раскрыто | Wit.ai, Yandex SpeechKit или Google Speech — движок выбирает пользователь |
| Transkriptor | Web | 10 минут при регистрации, лимит 2 мин/день (по данным локализованного российского сайта transkriptor.ru); на международном сайте transkriptor.com заявлен бесплатный пробный период (по вторичным источникам — до 90 минут, официальная страница pricing не была доступна напрямую из-за таймаута загрузки) | 490 ₽/разово (Старт, 150 минут (transkriptor.ru)); 790 ₽/разово (Про, 700 минут (transkriptor.ru)); 1900 ₽/разово (Премиум, 2100 минут (transkriptor.ru)) | да, на локализованном сайте transkriptor.ru — банковские карты Visa/Mastercard/МИР без комиссии, СБП по QR без комиссии, ЮMoney с комиссией 3%; платежи разовые (без подписки), обрабатываются через сервис KASSA. Международный сайт transkriptor.com предположительно выставляет счета в долларах — не подтверждено напрямую (таймаут при попытке открыть страницу pricing) | не раскрыто |
| SaluteSpeech Bot (Сбер) | Telegram | бесплатно; голосовые, аудио и кружки | — | не раскрыто | облако SaluteSpeech (Сбер) |
| Войси (@Voicee_AI_Bot) | Telegram, Web | 45 минут на старте | 500 ₽/час записи (без пакета; с пакетами дешевле) | рубли | не раскрыто |
| Notta | Web, Windows, macOS, iOS, Android | 120 минут в месяц, до 3 минут на одну запись | $13.99/мес (Pro, помесячно, 1800 минут); $27.99/мес (Business, помесячно) | не раскрыто | не раскрыто |
Как проверить, что говорящие разделены верно
Откройте запись и сверьте несколько мест, где говорили сразу двое. У Apple в справке для Podcasts прямо сказано, что перекрёстная речь затрудняет расшифровку, так что такие места прослушайте заново. Для итогов по участникам пригодится кнопка «Выжимка»: в ней есть главное и задачи по спикерам.
Разработчикам доступен открытый тулкит pyannote.audio для диаризации, то есть определения, кто говорит. Ему нужен ffmpeg и токен Hugging Face после принятия условий модели; лицензия MIT, о поддерживаемых языках в описании ничего не сказано.
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Когда бот не подойдёт
Бот распознаёт больше 100 языков (язык определяется сам) и не переводит. Бесплатно в нём 60 минут в месяц, дальше нужна подписка; одна подписка покрывает приложение для диктовки «Потока» и Telegram-бот для записей и голосовых. «Поток» — облачный сервис, распознавание идёт на серверах в России, без интернета не работает. Ссылки на Instagram и TikTok бот принимает: вставьте ссылку на ролик. Ролики из соцсети VK разобраны в материале про VK Видео, а о том, как устроена подпись реплик, рассказывает страница про разметку по спикерам.
Частые вопросы
Среди причин в справке YouTube названы одновременная речь нескольких человек и речь на нескольких языках. Также субтитров нет у слишком длинных видео, при плохом звуке и неподдерживаемом языке.
Открытый тулкит диаризации, то есть определения, кто говорит. Нужен ffmpeg, а модель pyannote/speaker-diarization-community-1 на Hugging Face требует принять условия и получить токен. Лицензия MIT, список языков в описании не приведён.
Расшифровка видео с несколькими говорящими с разделением по спикерам. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Расшифровка видео с несколькими говорящими с разделением по спикерам» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Расшифровка видео с несколькими говорящими с разделением по спикерам. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Расшифровка видео с несколькими говорящими с разделением по спикерам» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Расшифровка видео с несколькими говорящими с разделением по спикерам. Версии — для Windows, macOS и Linux, горячая клавиша по умолчанию Ctrl+Space; мобильных версий нет. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. Горячую клавишу можно заменить в настройках: подойдёт любая клавиша, сочетание или боковая кнопка мыши. «Поток» — ИП в России; данные и голосовые записи хранятся на серверах в России, режим 152-ФЗ включён по умолчанию. Для «Расшифровка видео с несколькими говорящими с разделением по спикерам» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Расшифровка видео с несколькими говорящими с разделением по спикерам. Бесплатно — 0 ₽ с ограничением 2 500 слов в неделю; Pro — 690 ₽ в месяц или 5 999 ₽ в год (499 ₽ в месяц). «Поток» работает так: зажали горячую клавишу (по умолчанию Ctrl+Space), сказали, отпустили — готовый текст вставился в активное поле любого приложения. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Расшифровка видео с несколькими говорящими с разделением по спикерам» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Запись — в текст
Отправьте запись Telegram-боту «Потока» или загрузите файл до 2 ГБ в мини-приложении бота. Первые 60 минут каждого месяца — бесплатно.
Открыть @potok_now_bot в TelegramПервоисточники: support.microsoft.com · support.apple.com
Расшифровать запись в Telegram
Голосовые, кружки, аудио и видео расшифровывает Telegram-бот «Потока» @potok_now_bot: перешлите ему голосовое из любого чата, пришлите файл или ссылку на YouTube, VK Видео, RuTube, Instagram или TikTok. Короткая запись приходит текстом в чат, длинная — файлом; тайм-коды и разметку по спикерам можно включить. По кнопкам — краткая выжимка, задачи и сроки, ответ на вопрос по записи и выгрузка в TXT, DOCX, PDF или SRT. Большие файлы, до 2 ГБ, удобнее загружать в мини-приложении бота — кнопка «Загрузить» у поля ввода. Бот распознаёт больше 100 языков (язык определяется сам), 60 минут в месяц — бесплатно.