В данной статье мы сравним сервисы автоматической транскрибации, которые распознают речь на русском языке и принимают оплату из РФ. Для сравнения мы взяли часовой подкаст из ютуба и расшифровали его в текст вручную. Затем эту запись подкаста мы загрузили в сервисы автоматической транскрибации и сравнили результаты с эталонной ручной расшифровкой
12 605 просмотров
Оглавление
- Как мы считали точность
- 1. Teamlogs.ru
- 2. Realspeaker.net
- 3. Apihost.ru
- 4. Speechtotext.ru
- Итоговая таблица
Как мы считали точность распознавания
Далее для каждого сервиса в сравнении мы указали результат по метрике WER. Частота ошибок в словах (Word Error Rate, WER) – это метрика, используемая в распознавании речи для оценки качества распознавания текста. WER измеряет процент ошибок в распознавании текста, выраженный в процентах от общего числа слов в исходном тексте.
Например, если исходный текст содержит 100 слов, а распознанный текст содержит 10 ошибок, WER будет равен 10%. Чем ниже WER, тем более точным является распознавание речи.
Транскрибация аудио и видео в текст онлайн. Программа для транскрибации бесплатно
Помимо качества распознавания мы еще сравнили сервисы по следующим критериям:
- стоимость за минуту расшифровки,
- скорости обработки на примере часовой записи,
- наличие функции разбивки текста по спикерам,
- наличие встроенного редактора и его функциональность,
- возможность экспорта текста
скриншот главной страницы teamlogs.ru
Teamlogs.ru – онлайн-сервис транскрибации аудио и видео. Сервис принимает любые аудио- и видеофайлы и расшифровывает их в текст, автоматически расставляет знаки препинания и делит текст по спикерам.
Стоимость расшифровки начинается от 7 рублей за минуту при покупке от 90 минут и выше при покупке менее 90 минут. Новым пользователям дается 15 бесплатных тестовых минут.
Транскрибация тестового файла стоила 522 рубля (58 минут), обработка файла заняла 6 минут.
скриншот окна с результатом распознавания, teamlogs.ru
Результат теста:
На что стоит обратить внимание:
- Максимальный размер файла 800 мб
- Аудиодорожка в редакторе хранится 30 дней
скриншот главной страницы realspeaker.net
Realspeaker.net – онлайн сервис с выбором множества языков для транскрибации. Стоимость минуты – 8 руб, бесплатно можно распознать аудио до 90 секунд, максимальная длительность загружаемого файла – 180 минут. Расшифровка тестового файла заняла 20 минут и стоила 427 рублей.
После завершения процесса расшифровки сервис предлагает перейти в раздел «Мои медиа», где среди различных файлов (!), вам необходимо найти свой. В данном разделе вы можете найти распознанные файлы всех пользователей данного сервиса. Текст мы получили без разбивки на спикеров.
скриншот окна с результатом распознавания, realspeaker.net
Сервис позволяет редактировать полученный текст, но без прослушивания и без сохранения изменений. Позже, когда мы вернулись за своим файлом в сервис, мы не смогли его найти, поэтому на картинке скрин рандомного файла.
Бесплатное преобразование голоса из видео и аудио файлов в печатный текст
Полученный текст можно скопировать, либо скачать в форматах *.srt или *.vtt
Результат теста:
- Частота ошибок в словах: 23.79%
- Скорости обработки на примере часовой записи: 20 минут
- Наличие функции разбивки текста по спикерам: отсутствует
- Наличие встроенного редактора: есть, без прослушивания
- Экспорт: *.srt, *.vtt
На что стоит обратить внимание:
- Ваш текст окажется в открытом доступе, скачать его смогут все пользователи сайта
- Максимальный длительность файла 180 минут
скриншот страницы apihost.ru/speech-to-text
Apihost – набор различных сервисов по работе с аудио и текстами, в числе которых есть и распознавание речи. Стоимость за минуту записи 2.4 руб, максимальный лимит на размер файла 200 мб. Чтобы загрузить файл бОльшего размера нужно писать на почту в поддержку. Стоимость транскрибации тестового файла составила 139,72 рублей, но заплатить пришлось 500 рублей, так как это минимальная сумма пополнения.
По скорости расшифровки: первая загрузка файла завершилась неудачей, сервис не отвечал в течение 15 минут, пришлось грузить повторно. Со второй попытки файл был переведен в текст за 6 минут.
скриншот окна с результатом распознавания, apihost.ru/speech-to-text
Результат теста:
На что стоит обратить внимание:
- Максимальный размер файла 200 мб
- Минимальная сумма пополнения от 500 рублей
скриншот главной страницы speechtotext.ru
Speechtotext.ru – онлайн-сервис по расшифровке аудио в текст, час распознавания здесь стоит 100 рублей, новым пользователям дают 10 тестовых минут. Сервис не позволяет загрузить файл, пока не пополнен счёт. Расшифровка тестового файла заняла 15 минут.
Также у данного сервиса есть телеграм-бот, но там лимит по размеру файла 20 мб.
Текст получился без разбивки на спикеров, онлайн-редактор есть, но без функции прослушивания, распознанный текст можно скачать в формате txt.
скриншот окна с результатом распознавания, Speechtotext.ru
Результат теста:
- Частота ошибок в словах: 15.12%
- Скорости обработки на примере часовой записи: 15 минут
- Наличие функции разбивки текста по спикерам: отсутствует
- Наличие встроенного редактора: есть, без прослушивания
- Экспорт: *.txt
На что стоит обратить внимание:
- Перед загрузкой файла необходимо зарегистрироваться и пополнить счет
Программа которая распознает речь и записывает
Информация
- Правила пользования
- Антиспам-политика
- Политика конфиденциальности
- Политика cookie
- Политика возврата средств
Инструменты
- Конструктор писем
- Валидатор email
- Бесплатные шаблоны
- Автоматизация
- Сводная статистика
- Интеграции
- Пробная версия конструктора
Блог
- Читать
- Предложить статью
- Редакция
- Реклама и сотрудничество
Техподдержка
Russia 8 (800) 551-68-22
Спасибо, ждите письмо.
Проверяйте почту — письмо придет в течение 5 минут (обычно мгновенно).
Как запустить email-маркетинг с нуля?
В бесплатном курсе «Rock-email» мы за 15 писем расскажем, как настроить email-маркетинг в компании. В конце каждого письма даем отбитые татуировки об email ⚡️
*Вместе с курсом вы будете получать рассылку блога Unisender
Источник: www.unisender.com
Программы для транскрибации, которые помогут расшифровать речь в текст
Если вы работаете с видео или аудио, то наверняка находитесь в поисках удобных программ для расшифровки речи в текст. Например, для субтитров или написания статей. В этом материале мы собрали сервисы и программы для транскрибации голоса в письменный формат.
Содержание:
- Что такое транскрибация и зачем нужна расшифровка
- Сервисы, которые облегчат ручную расшифровку
- Программы для транскрибации текста
- Расширение для браузера
- Заключение
Что такое транскрибация и зачем нужна расшифровка
Транскрибация — это расшифровка информации из аудио или видео в текстовую форму. Это может быть актуально для слабослышащих пользователей или для тех, кто предпочитает потреблять контент в беззвучном режиме, получая информацию из письменной речи.
Цель транскрибации — качественно перевести речь в текстовый формат, который человек будет хорошо понимать при прочтении.
Задачи расшифровки:
- Разобрать все сказанное спикерами.
- Разбить речь на предложения.
- Убрать слова-паразиты и паузы.
Расшифровка используется в субтитрах к видео, в статьях и постах, а также для анализа и исследований.
Автоматизация email рассылок
Отправляйте цепочки триггерных сообщений приветствия, брошенной корзины, реактивации, совмещая внутри одной цепочки email, SMS и web push.
Ниже представлена таблица, в которой мы указали, где используют расшифровку.
| Вид транскрибации | Особенности |
| Надиктовка | Автор читает подготовленный текст — медленно, с выражением и расстановкой знаков препинания. Текст может использоваться для статей, постов, ведения блога или написания материала в журнал |
| Лекция | Студенты записывают речь преподавателя на диктофон для дальнейшей расшифровки лекций, в тексте которых встречаются сложные термины и незнакомые имена. Используется, когда лектор быстро говорит — и записать материал в такой ситуации очень сложно |
| Подкаст | Формат радио, в котором редко встречаются проблемы с речью. Подкаст может быть монологом или диалогом. При расшифровке нужно учитывать, кто говорит — обязательно укажите имя человека. Расшифровка нужна для субтитров |
| Интервью | Формат, в котором участвует двое и более человек. Расшифровка нужна для субтитров в видео, написания статьи или поста. Жесткая дословность не требуется, в приоритете — передать эмоции и главную мысль интервьюируемого |
| Синхрон | Похож на интервью. В кадре эксперт дает комментарий по какой-то теме, камера записывает не только голос, но и звуковой фон, который сопровождает запись |
| Вебинар | Речь одного или нескольких экспертов вебинара. Расшифровка похожа на формат подкаста — нужно указать имя говорящего. Транскрибацию используют для субтитров, написания статьи или книги |
| Фокус-группа | Фокус-группа используется в маркетинговых исследованиях и социологических опросах. Сложный формат для расшифровки. Изначально все люди могут говорить спокойно, но под конец многие начинают перебивать друг друга. Чтобы этого избежать — задавайте вопросы каждому участнику по очереди. Расшифровка нужна для отчетов, анализа и исследований |
| Конференция | В конференции есть ведущий (он же — модератор) и спикеры. Здесь также важно указать имя говорящего. Расшифровка используется для субтитров, написания статей и постов |
| Телефонные разговоры | Расшифровка используется для анализа клиентов, сбора данных о них — интересы, потребности, боли и проблемы. Также это помогает улучшить качество работы менеджеров. Транскрибация звонков используется не только для бизнеса, но и для решения более специфических задач — например, силовики могут прослушивать разговоры потенциальных преступников |
| Субтитры | Используются в видео. Текст должен точно повторять речь говорящего. А чтобы разбить ее на подтемы — используйте тайм-коды |
| Монтажный лист | Применяется в кино и клипах. Это таблица, в которой указаны кадры с репликами героев и техническими комментариями. Здесь нужно не только расписать речь персонажа, но и зафиксировать все, что в данный момент находится в кадре |
Далее мы рассмотрим не только программы для автоматической транскрибации, но и сервисы для ручной расшифровки.
Сервисы, которые облегчат ручную расшифровку
В этом разделе мы собрали подборку популярных сервисов для расшифровки аудио и видео в текст.
Google Docs
Google Docs — онлайн-сервис для работы с текстом и данными. Внутри платформы можно включить микрофон, который поможет перевести речь в письменный формат.
Чтобы активировать данную функцию, выберите «Создать документ». Далее в верхнем меню найдите раздел «Инструменты» и выберите «Голосовой набор». Либо зажмите кнопки «Ctrl+Shift+S» для вызова команды.
Чтобы самостоятельно расшифровать речь в YouTube, зайдите в «Творческую студию», перейдите в настройки видео и найдите раздел «Субтитры». В открывшемся окне выберите «Синхронизировать автоматически».
Особенности:
- Блогерам удобно работать на одной площадке — редактировать ролик и настраивать субтитры.
- Есть возможность самостоятельно настроить субтитры.
Плюсы:
- Бесплатный инструмент.
- Простой сервис.
Минусы:
- Нечеткое восприятие речи — текст с непонятными словами и разрывами.
- Работает только с качественным видео и аудио. Если речь сложно разобрать — автоматическая настройка субтитров не сработает.
Dragon Dictation
Dragon Dictation — платное приложение для iOS. Есть тестовый период на неделю, далее необходимо оформить подписку — 14,99 долларов в месяц.
Особенности:
- Поддерживает до 15 языков.
- Подходит для ежедневных дел — отчетность, исследования.
Плюсы:
- Позволяет только диктовать текст.
Минусы:
- Нельзя расшифровать файлы или ссылки из YouTube.
- Платное приложение.
Speechnotes
Скриншот того, как выглядит онлайн-версия, где можно надиктовать текст.
Пример работы приложения:
Особенности:
- Сервис может записать речь и перевести ее.
- Максимальный объем текста — 5000 символов.
Плюсы:
- Бесплатный инструмент.
- Простой интерфейс.
Минусы:
- Перевод может быть некорректным.
- Распознавание слов не всегда соответствует действительности.
Rev
Rev — платный сервис с искусственным интеллектом. Транскрибация и создание видео стоят от 1,25 долларов.
Важно! Подобные сервисы с такими же функциями, но стоимость услуг у них выше: Transcription Panda и GoTranscript.
Особенности:
- Высокое качество перевода речи в текст.
- Можно расшифровать любой тип и формат аудио или видео.
Плюсы:
- Быстрая расшифровка.
- Удобный интерфейс.
Минусы:
Temi
Temi — еще один быстрый сервис от создателей Rev. Точность транскрибации — 90-95%. Бесплатно можно расшифровать 45 минут, далее требуется оплата — 0,25 долларов за минуту.
Особенности:
- Высокая точность транскрибации.
Плюсы:
- Быстрая расшифровка.
Минусы:
- Платный сервис.
- Запись изначально не должна содержать шум, чтобы получилась качественная расшифровка.
Программы для транскрибации текста
А здесь мы собрали варианты программ для профессиональной работы с расшифровкой речи в текст.
Express Scribe
Express Scribe — программа от Windows, которая поддерживает редактор текста Word. В бесплатной версии можно работать только с аудиофайлами. Расширенная версия стоит 59,99 долларов.
Особенности:
- Позволяет загружать файлы с различных источников — например, дисков, FTP-серверов, электронных ящиков.
- Интеграция с MS Word, Corel WordPerfect, Lotus WordPro.
- Есть функционал, помогающий работать с шумом, фильтрацией частот и громкостью голоса.
Плюсы:
- Работает с многими форматами — например, MP3, WAV, MP4, 3GP.
- Поддерживает воспроизведение аудио и видео.
- Горячие клавиши.
- Установка тайм-кодов.
- Совместима с ножной педалью — используется геймерами и профессиональными расшифровщиками.
Минусы:
- Платная программа.
- Устаревший интерфейс.
Расширение для браузера
Ниже представлен список расширений для браузера, которые помогут вам работать с транскрибацией в любое время.
VoiceIn Voice Typing
VoiceIn Voice Typing — расширение создано на основе распознавания речи от Google. Оно позволяет использовать расшифровку на любом сайте и при этом работать в любом редакторе. Есть пробная версия с минимальными возможностями. Подписка стоит 25 долларов в год.
После установки расширения разработчик рекомендует закрыть браузер и загрузить его снова, чтобы распознавание речи сработало.
Важно! Ряд похожих расширений для браузера — Speech Recognition Anywhere и Voice to Text.
Особенности:
- Можно использовать для диктовки текстов для сайта, заполнения форм и для того, чтобы оставить комментарий.
Плюсы:
- Поддерживает более 120 языков.
Минусы:
- Полный функционал доступен в платной версии.
Заключение
В этой статье мы рассмотрели программы для транскрибации — узнали их особенности, плюсы и минусы. Вы можете использовать не только готовые сервисы, в которых люди или ИИ будут расшифровывать файлы, но и самостоятельно заняться транскрибацией аудио и видео.
Рекомендации по работе с расшифровкой:
- При уменьшении скорости воспроизведения транскрибация проходит с наименьшим количеством ошибок.
- Если вы набираете текст вручную, действуйте по следующей схеме: прослушали запись — поставили на паузу — записали и отредактировали.
- Используйте горячие клавиши для работы с шаблонами. Если у вас часто повторяется одно и то же слово — используйте клавишу вместо того, чтобы заново его набирать.
- Все правки и корректировки делайте в конце, когда уже расшифровали весь текст.
- Если у вас высококачественное видео или аудио — используйте автоматические инструменты.
- В случае, когда на записи есть шумы, а сам звук плохого качества — попробуйте самостоятельную расшифровку или доверьтесь профессионалам.
А чтобы отслеживать потребности клиентов и поддерживать с ними связь в любое время суток — регистрируйтесь в сервисе SendPulse и подключайте наши инструменты: используйте бесплатную CRM и конструктор лендингов, отправляйте email, Viber и SMS рассылки, а также подключайте чат-боты в Instagram, Viber, Facebook, Telegram и WhatsApp!
Источник: sendpulse.com