Топ-5 программ для транскрибации аудио и видео в текст: лучшие способы транскрибации

Субтитры Ютуб

Если Вам лень устанавливать какие-либо программы, а Вам нужно срочно провести транскрибацию аудиозаписи в текст, то… то просто воспользуйтесь Ютубом. Точнее субтитрами Ютуб. Как это сделать? Все просто.

Шаг 1. Залейте видео на свой канал Ютуб.

Шаг 2. Включите субтитры

Шаг 3. Нажать кнопку “Посмотреть расшифровку видео”

Шаг 4. Копируйте себе в блокнот полученный текст.

Шаг 5. Удалите метки времени и “причешите текст. Вот и все.

Субтитры Ютуб создает достаточно качественные. Единственное, много времени уходит на приведение текста в порядок. Но и в других программах, расстановка знаков препинания и приведение текста к нормальному виду тоже нужно делать. Так что…

Использование микшера

23.08.2014. Неожиданно обнаружил, что могу использовать для транскрибирования скрытые возможности в windows 7 и 8. Возможно это работает не всегда, но на двух моих компьютерах — старом нотбуке и новом моноблоке сработало. Последовательность действий следующая — открываем контрольную панель, затем выбираем звук и в ней вкладку записывающие устройства. Там нажимаем правую кнопку мыши и в появившемся контекстном меня выбираем — показать скрытые устройства.

Появится скрытый миксер звука. Делаем его доступным и затем устройстом записи по умолчанию.

После этого напротив миксера появится столбик, означающий, что он используется для записи. И вроде все — можно приступать к переводу аудио в текст в модуле транскрибирования, при этом мы слышим звук из колонок и не нужно никаких повторителей.

Пользователь Виктор поделился опытом в случае если его нет в системе.

Что приходится расшифровывать

Сколько заказчиков, столько и требований к транскрибатору. Цели у ваших клиентов могут быть разными – от полного дословного перевода с оставленными словами-паразитами и прочим мусором до краткой выжимки самой сути выступления.

Что же приходится транскрибировать? Обозначим наиболее часто встречающиеся виды работ.

Вид транскрибации
Уровень сложности
Характеристика
Надиктовка
* тайм-код не нужен
Автор читает в расчете на последующую транскрибацию – медленно, четко, с выражением.
Лекция
**
тайм-код не нужен
Автор читает в Темп речи выше, чем в надиктовке. Часто встречаются незнакомые термины, названия, имена.
Интервью
**
тайм-код иногда
В основном хорошее качество записи, что упрощает работу, темп речи невысокий, обычно жесткая дословность не нужна.
Синхрон («говорящая голова»)
**
тайм-код нужен
Схож с интервью, часто приходится набирать слова-паразиты и прочий речевой мусор, т.к. большинство людей не способны четко выражать свои мысли.
Подкасты
**
тайм-код иногда
Подкасты напоминают радиопередачи – выходят регулярно, освещают какую-либо тему. Их расшифровка не сопряжена с какими-то большими сложностями, т.к. речь там обычно грамотная, без большого количества мусора, качество звучания на высоте.
Телевизионные передачи
** и выше
тайм-код иногда
Сложность транскрибации телепередач зависит от их направленности. Если это балаган типа «Пусть говорят» или «Время покажет», то нервные клетки транскрибатора будут массово гибнуть на поле боя, а неспешные интервью с телеканала «Культура» — бальзам на транскрибаторскую душу.
Простой вебинар
**
тайм-код иногда
Та же лекция. Один спикер, обучающий интернет аудиторию. Требуется расшифровка только его речи, иногда приходится вставлять реплики из чата.
Сложный вебинар
*** и выше
тайм-код иногда
Несколько участников, сложность вырастает пропорционально количеству говорящих.
Фокус-группа
*** и выше
тайм-код иногда
По форме похожа на сложный вебинар. Несколько говорящих ведут обсуждение по теме. В созыве фокус-группы обычно нуждается социологический опрос или маркетинговое исследование. Если сначала все высказываются по очереди, то ближе к концу обычно неразбериха, все говорят одновременно, перебивают друг друга.
Конференции, заседания любых видов комиссий, администраций, правительств, круглые столы и т.п.
*** и выше
тайм-код иногда
Когда на заседании есть председатель, ведущий дискуссию, работа транскрибатора упрощается. Без председателя все гораздо хуже – спикеры стремятся перебить друг друга, что усложняет расшифровку

Обычно не требуется полная дословность, важно близко к оригиналу передать основную мысль говорящего, убрав словесный мусор.
Прослушка, телефонные разговоры
*****
тайм-код иногда, в местах не подлежащих расшифровке
Высокий уровень сложности обусловлен крайне низким качеством записи, расшифровка прослушек занимает много времени.
Суд
*****
тайм-код иногда
Крайне тяжелая работа. Требует полного воспроизведения любого звука с идентификацией говорящего

При этом качество звучания, как правило, оставляет желать лучшего.

Вид транскрибации	Уровень сложности	Характеристика
Субтитры	** тайм-код обязательно	Не слишком сложная работа, но ее специфика в том, что субтитры необходимо четко маркировать тайм-кодом в начале и в конце реплики.
Простой монтажный лист	*** тайм-код обязательно	Перевод в текст реплик героев с их идентификацией, технические комментарии, обязательные тайм-коды.
Полный монтажный лист	***** тайм-код обязательно	Усложненная и развернутая версия простого монтажного листа. Обычно это таблица, где описывается практически каждый кадр, здесь нужен не только перевод речи в текст, но и описание того, что происходит в кадре.

Транскрибировать аудио в текст через Google Docs

Когда в Документах Google появилась функция «Голосовой ввод», расшифровка аудио и текста стала намного проще. Это бесплатная встроенная функция, поэтому единственным требованием является наличие учетной записи Google. Если вы этого не сделаете, вам нужно и создать один.

Прежде чем вы начнете транскрибировать, вам нужно подготовить несколько вещей. Поскольку этот процесс будет состоять из повторения звука, который вы слышите в свой микрофон, вам потребуется отдельное устройство, наушники и микрофон. Кроме того, вам нужно пойти в тихую комнату, чтобы убедиться, что транскрипция остается максимально точной.

Как только вы все настроите, сделайте следующее:

1. Подключите гарнитуру к устройству, с которого вы будете прослушивать звук.
2. Откройте веб-браузер на другом устройстве (у которого есть доступ к микрофону).
3. Перейти к Гугл документы,
4. Создайте пустой документ.
5. Нажмите кнопку «Инструменты» на панели в верхней части экрана.
6. Выберите «Голосовой набор». Кроме того, вы можете нажать Ctrl + Shift + S на клавиатуре вместо шагов 5-6.
7. Нажмите значок микрофона, который появляется во всплывающем окне.
8. Запустите звук на другом устройстве и убедитесь, что вы слышите его четко.
9. Медленно повторяйте то, что вы слышите, и Документы Google превратят это в текст.

Конечно, качество транскрипции не всегда будет идеальным. Для достижения наилучших результатов вам потребуется запись с высококачественным микрофоном в бесшумной обстановке. Тем не менее, вы можете увидеть транскрипцию в режиме реального времени, и вы всегда можете остановить и вручную исправить ошибки. Конечно, наушники должны быть обязательными.

Транскрибация: что это такое

Транскрибация — преобразование речи из аудио или видео в текст, перевод голосовой информации в виде печатных данных. Выполняют транскрибацию вручную или с помощью приложений и сервисов.

В качестве исходного материала, служащего для извлечения голоса, используются следующие данные:

• собственная речь, надиктованная на диктофон или сказанная в микрофон;
• аудио подкаст;
• локальный аудио или видео файл;
• видео на YouTube или на другом хостинге;
• аудио из интернета;
• телепередача;
• разговор по телефону;
• интервью;
• лекция;
• выступление;
• голосовое сообщение;
• вебинар.

При использовании ручного способа, транскрибацию выполняют двумя способами:

• В первом случае, это делает сам пользователь, синхронно вводя в текстовый редактор текст из прослушиваемой речи.
• Во втором случае, расшифровку голоса в текст делает специально нанятый работник.

Существуют специализированные биржи, на которых можно разместить задание для перевода речи в текст, выполняемую за определенную плату. Ручная транскрибация — это довольно трудоемкий процесс.

При выполнении перевода аудио в текст, необходимо обратить внимание на следующие моменты, от которых зависит качество преобразования звука в текстовый вид:

• дикция должна быть четкой;
• темп речи нормальный;
• правильное произношение.

В противном случае, из-за быстрого или, наоборот, слишком медленного темпа речи, акцента, невнятной дикции, внешних помех, тихого звука, возможны ошибки в работе программного обеспечения. В любом случае, набранный текст необходимо отредактировать, поставить знаки препинания, исправить ошибки.

В этом руководстве вы найдете инструкции о нескольких способах преобразования голоса в текст с помощью программ и онлайн сервисов. Это значительно облегчает выполнение транскрибации.

В зависимости от обстоятельств и используемого программного обеспечения, голосовой набор текста возможен с иностранного или на иностранный язык. Информацию об этой возможности вы найдете в этой статье, при описании некоторых полезных инструментов.

Dragon Dictation

Это приложение, которое распространяется бесплатно для мобильных устройств от компании Apple.

Программа может работать с 15 языками. Она позволяет редактировать результат, выбирать из списка нужные слова. Нужно четко проговаривать все звуки, не делать лишних пауз и избегать интонации. Иногда возникают ошибки в окончаниях слов.

Приложение Dragon Dictation используют обладатели яблочных гаджетов, например, чтобы, перемещаясь по квартире, надиктовать список покупок в магазине. Придя туда, они могут посмотреть на текст в заметке, и не надо слушать.

Только так можно будет получить безукоризненный текст без ошибок.

Speechnotes — Речь-в-Текст

Speechnotes — программа перевода голоса в текст для Андроид. Это популярное бесплатное приложение для создания заметок.

Основные возможности Speechnotes:

• Отсутствует необходимость в регистрации.
• Поддержка Bluetooth.
• Установка знаков препинания с помощью уникальной запатентованной клавиатуры или голосовой команды.
• В премиум версии можно использовать настраиваемые клавиши с заранее заготовленными шаблонами текста (подпись, имя, поздравление и т. п.).

Создание заметки проходит следующим образом:

1. Нажмите на микрофон, диктуйте слова и знаки препинания.
2. Итоговый текст можно сохранить на устройстве, отправить адресату, на печать/экспорт в PDF и т. д.

Использование виртуального кабеля

Нашел сегодня бесплатную замену программе Virtual audio cabel (VAC). Альтернатива почти свободно распространяется (там странная лицензия donationware) на сайте http://www.VB-CABLE.com.

Правда, предлагаемый там программа для повтора аудио у меня не заработала, но создать виртуальный кабель получилось и я смог распознать аудио без микрофона.

При переводе аудио с помощью программ, создающих виртуальный аудио кабель происходит неприятное явление — текст накапливается в поле предварительного просмотра и не попадает в результирующее поле. После порядка 5 минут распознавания программа отключается и высвечивается ошибка «error network». Так как ошибка находится вне кода блокнота, то просто исправить ее нельзя (правда можно обойти, например, выключением записи через некоторые промежутки времени).

От 07.11.13. Сделал принудительный перенос из предварительных результатов в результирующее поле при превышении длины текста 300 символов. Теперь проблема практически решена (17.12.2014 Теперь уже есть специальное Поле задания длины буфера фраз).

15.12.2013 Для сравнения привожу результаты транскрибирования mp3 2.5 минутного отрывка записи сказки Пушкина, скаченной с популярного сайта bibe.ru. Bite rate записи равнялся 128 kbps, колонки и микрофон самые обычные.

Результат перевода аудио с помощью колонок и микрофона

Результат перевода аудио с помощью программы VB-CABLE

Осторожно мошенники (обновлено 14.05.18)

Увы, аналогично с темой заработка на наборе текста, и здесь появились мошенники. Раньше транскрибацию они обходили стороной. Но в начале 2018 года в интернете появилась некая 51-летняя пенсионерка из Севастополя — Людмила Попова.

Данный персонаж на видео рассказывает, как за полтора часа работы в день, можно зарабатывать до 55 000 рублей в день. Якобы, существует сайт «Audio Hunter», щедро оплачивающий расшифровку аудиозаписей с китайского языка. Конечно, ведь мало кто знает китайский. Здесь же вам расскажут, что есть чудесный китайский сервис, позволяющий загружать аудиофайл и за минуту получить расшифрованный текст. Красота. Даже делать ничего не надо. За каждый расшифрованный файл вам начисляется вознаграждение в несколько тысяч рублей.

В чем обман? Обман состоит в том, что вам не позволят вывести деньги, пока вы не оплатите их «услуги». Стоимость их услуг  — 3000 рублей. Но что такое три тысячи, когда вы уже заработали 55? На это и расчет. После оплаты контакты с вами прекратятся.

Dictation.io

Сервис онлайн распознавания речи через микрофон. Посредством голоса можно расставлять параграфы, знаки пунктуации и даже смайлики. Dictation пригодится для написания электронных писем или заполнения документов в браузере.

Использование сервиса:

• Перейти на страницу транскрибации.
• В правой части экрана нажать на три горизонтальные полоски, чтобы выбрать язык ввода. Поддерживается большое количество языковых направлений.

В левом нижнем углу кликнуть по кнопке «Start».

Начать диктовку текста.
Редактирование материала осуществляется путем встроенного редактора. Непосредственно со страницы можно выполнить сохранение текста, его публикацию, печать.

Настройка виртуального кабеля

1. Скачиваете виртуальный кабель, распаковываете его в папку и запускаете либо VBCABLE_Setup.exe, либо VBCABLE_Setup_x64.exe (в зависимости от разрядности вашей Windows)

2. Открываете окно управления записывающими устройствами и делаете CABLE Output устройством по умолчанию.

3. Открываете окно управления устройствами воспроизведения и делаете CABLE Input устройством по умолчанию.

4. Теперь можно приступать к транскрибированию. После этих манипуляций звук будет идти из выхода аудио на запись, микрофон при этом перестает работать. Чтобы вернуть его для работы нужно сделанные исменения откатить (вернуть все назад).

Cloud Speech-to-Text

Мощный, но в то же время платный инструмент от разработчиков Google. В его работе используются технологии машинного обучения для распознавания коротких фраз и длительных аудиозаписей.

Cloud Speech-to-Text предоставляет пользователям расшифровку аудиозаписей в текст путем применения моделей нейронной сети через простой к понимаю API. Сервис может использоваться для голосовых команд управления, транскрибации аудио и прочих задач.

На стартовой странице сервиса можно провести распознавание с файла или микрофона без регистрации. Это позволит оценить качество его работы. Cloud Speech-to-Text умеет работать со 120 языками. Отрезок из аудиокниги на русском языке был транскрибирован практически идеально, исключение составили только несколько слов, которые было сложно разобрать даже человеческому уху.

Как выполнить транскрибацию?

Как сделать транскрибацию? Самый время затратный способ – сделать все самостоятельно. Для этого необходимо включить звук, запомнить фразу, поставить аудио на паузу и напечатать услышанное в текстовом документе. Причем часто звук уступает по качеству и с первого раза понять речь может не получаться. Тогда приходиться прослушивать одно и то же дважды, а то и трижды и при этом каждый раз переходить из одной программы в другую.

Значительно облегчить процесс можно с помощью специальных программ для транскрибации:

Express Scribe Transcription Software – подходит для операционных систем Mac OS X и Windows. Есть как бесплатная, так и платная версия, но обе они на английском языке. Функции: замедляет скорость воспроизведения звука, поддерживает формат файлов и видео и аудио, работает с Microsoft Word, что дает возможность не тратить время на переключение между программами, так как все будет находиться на одном экране.

LossPlay – простой, бесплатный и русскоязычный плейер для новичков в сфере транскрибации с минимальным количеством настроек, подходящий только для операционной системы Windows. Он поддерживает все популярные форматы аудио, регулирует скорость воспроизведения и работает с Microsoft Word.

Speechpad – это голосовой блокнот, позволяющий конвертировать звук аудио в текст. Устанавливать на компьютер его не нужно, он работает онлайн. Для того, чтобы им воспользоваться потребуется Google Chrome и микрофон. После включения микрофона нужно начинать надиктовывать текст. Программа автоматически все расшифрует и отобразит в текстовом документе. Для конвертирования видео в текст необходимо в строку вставить ссылку с Ютуба и нажать на кнопку запись.

Transcriber-pro – приложение для Windows на русском языке, с помощью которой можно и прослушивать аудио и просматривать видео. С помощью встроенного текстового редактора проставляются временные метки и имена участников диалога. Из готового текста можно делать «интерактивные стенограммы». Воспользоваться этим приложением можно только при годовой подписке, стоимость которой составляет 689 рублей.

RSplayer V1.4 – несложная программа, позволяющая обрабатывать и расшифровывать аудиофайлы с поддержкой горячих клавиш. Работает совместно с Microsoft Word. Скачать ее можно бесплатно и подойдет она только для Windows. Однако, на новых версиях отмечено, что она иногда тормозит.

Voco – профессиональное приложение для операционной системы Windows, позволяющее преобразовывать речь в текстовый формат, а также предоставляет возможность голосового набора в любом тестовом браузере. Для распознавании речи подключение к интернету не требуется и в ней есть большая коллекция тематических словарей. Еще можно купить две расширенные версии: Voco.Professional и Voco.Enterprise. Они работают с уже готовыми аудио файлам. Единственный минус их – высокий ценник.

Dragon Dictation – это приложение для современного мобильного телефона (смартфона), которое распознает надиктованную речь. Причем распознает оно не только русский язык, но и еще 39 иностранных всех разновидностей. Набранный текст можно редактировать, пересылать электронным письмом и в аккаунты социальных сетей или копировать в буфер обмена.

RealSpeaker – это самое уникальное приложение, которое умеет не просто распознавать аудио формат речи, но и живую, которая наговаривается на камеру. Встроенное видеорасширение RealSpeaker позволяет даже считывать движение губ, что положительно сказывается на распознавании речи (увеличивает качество на 30-40%). Также приложение, кроме русского поддерживает еще 10 языков. Воспользоваться приложением можно бесплатно, но это условно на определенный период времени, бессрочная версия обойдется в 2 тыс. руб.

И последний вариант выполнения транскрибации – воспользоваться помощью профессионала, который этим занимается уже давно. Но в таком случае нужно учитывать конечную стоимость работы и во сколько обойдутся услуги исполнителя.

Общая информация и суть перевода аудио в текст

Под транскрибацией понимают автоматический или ручной перевод речи в текстовый формат. За запись аудио или видеофайлов выплачивают определенную сумму денег. При этом процедура выполняется вручную.

Такая работа может требоваться следующим категориям людей:

• студенты — для перевода записанных аудиофайлов или видеороликов в текст;
• блогеры — они ведут сайты или блоги;
• писатели или журналисты — пишут книги или составляют тексты;
• инфобизнесмены — им требуется текст после проведения вебинара и выступления;
• фрилансеры — вручную переводят речь в текстовый формат, чтобы облегчить и ускорить свою работу;
• люди, которые испытывают проблемы с набором текста — они могут продиктовать письмо и отправить его родным и близким.

Суть работы заключается в переводе звуковых файлов в текст

Google Переводчик

В операционной системе Android распознавание речи в текст могут выполнить переводчики. Используйте соответствующее приложение или онлайн версию переводчика на веб-сайте в браузере, установленном на телефоне. Во втором случае, можно не использовать приложение, сохранив некоторую часть места и ресурсов на своем устройстве.

Перевести речь в текст можно следующим образом:

1. Откройте Переводчик Google, выберите язык перевода, в нашем случае — русский язык.
2. Нажмите на значок микрофона (Голосовой ввод).
3. Предоставьте доступ к микрофону.
4. Говорите, в окне переводчика отобразится ваш текст и перевод на английский язык.

Для того, чтобы воспользоваться переводом на русском языке, нажмите справа на переводимый язык «английский», а потом выберите русский язык. После этого, окно перевода станет на русском языке. Теперь вы можете скопировать перевод в нужное место.

Прямая расшифровка от Google

Приложение «Прямая расшифровка от Google» разработано для людей с ограниченными возможностями, в частности с нарушениями слуха. Программа автоматически распознает голос и звуки, выводит разговор на экран в виде текста.

Распознавание голоса на телефоне нам поможет перевести голос в текст, а результатом этого можно воспользоваться по своему усмотрению. Вы самостоятельно можете надиктовать текст в приложении, или получить в текстовом виде разговор со своим собеседником. Отвечать собеседнику можно с помощью клавиатуры или голосом.

Основные возможности приложения «прямая расшифровка от Google»:

• программа работает на мобильных устройствах, начиная с версии Android 5.0 (Lollipop);
• поддержка более 70 языков;
• поддержка внешних микрофонов;
• возможность ответа собеседнику с помощью экранной клавиатуры;
• виброотклик при начале разговора;
• расшифровка текста доступна только на вашем устройстве.

Установите программу из магазина Google Play по этой ссылке. После установки приложения, его необходимо активировать в настройках мобильного устройства.

На телефоне, работающем под управлением операционной системы Android 9 (Pie) это можно сделать следующим образом («чистый» Android):

1. Войдите в настройки телефона.
2. Выберите «Спец. возможности», нажмите на опцию «Прямая расшифровка».
3. Предоставьте необходимые разрешения для этого приложения.
4. В параметре «Use service» передвиньте кнопку переключателя в положение «Включено».

В нижнем правом углу экрана появится кнопка приложения в виде человечка с расставленными руками. Этот значок используется для запуска приложения «Прямая расшифровка» в любой программе на вашем мобильном устройстве.

Запустите приложение, войдите в настройки. Здесь можно выбрать подходящие параметры для работы приложения:

• размер шрифта;
• возможность для сохранения расшифровки в течение 3 дней;
• включить темную тему;
• выбрать основной и дополнительный язык;
• очистить историю;
• включить вибрацию при возобновлении речи;
• отмечать звуки, отличные от речи;
• скрывать непристойную лексику с помощью символов;
• показывать кнопку приостановки расшифровки.

Преобразование голоса в текст в приложении «Прямая расшифровка от Google» происходит следующим образом:

1. Для запуска расшифровки голоса, нажмите на кнопку в нижней части экрана.
2. Откроется окно приложения, в котором написано: «Готово к расшифровке».
3. Начните говорить, речь отобразится в виде текста на экране смартфона.

Расстановка знаков пунктуации в русском языке не поддерживаются.

Распознанный текст можно скопировать в окно любой текстовой программы для дальнейшего редактирования или сохранить на устройстве в течении 3 дней, при условии, что включена данная опция. Отредактированный текст сохраните в файл на телефоне или отправьте адресату в мессенджер, в облачное хранилище, по электронной почте и т. д.

В приложении можно записывать телефонные разговоры.

Сравнительный тест сервисов

Для теста выберем два непростых для распознавания фрагмента, которые содержат нечасто употребляемые в нынешней речи слова и речевые обороты.  Для начала читаем фрагмент поэмы «Крестьянские дети» Н. Некрасова.

Ниже представлен результат перевода речи в текст каждым сервисом (ошибки обозначены красным цветом):

Как видим, оба сервиса практически с одинаковыми ошибками справились с распознаванием речи. Результат весьма неплохой!

Теперь для теста возьмем отрывок из письма красноармейца Сухова (к/ф «Белое солнце пустыни»):

Отличный результат!

Как видим, оба сервиса весьма достойно справляются с распознаванием речи – выбирайте любой!  Похоже что они даже используют один и тот же движок — уж слижком схожие у них оказались допущенные ошибки по результатам тестов ). Но если Вам необходимы дополнительные функции типа подгрузки аудио / видео файла и перевода его в текст (транскрибация) или синхронного перевода озвученного текста на другой язык, то Speechpad будет лучшим выбором!

Ну а это краткая видео инструкция по работе со Speechpad, записанная самим автором проекта:

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.