Comments 6
Как с качеством транскрибации? Какая модель транскрибировала?
У меня недавно стояла задача транскрибировать 2,5 часа научного собрания. Попробовал 2 варианта: локальный Whisper и сайт speech2text.
Скачал Whisper и опробовал на аудиозаписи детской сказки с профессиональным голосом. Ну не очень - что слышит то и транскрибирует, например, "што" вместо "что". Тайминг есть, разбивки по спикерам нет. Не удовлетворен.
Пошел на speech2text, прогнал бесплатно ту же сказку - идеально. Прогнал 2,5 часа собрания - идеально, несмотря на то, что качество звука было на среднем уровне. Есть и тайминг, и скиперы. Правда, пришлось заплатить 500 руб. за 6 часов в месяц, но оно того стоит, если нужно быстро и качественно.
Пока тестирую. По моим кейсам результат в целом хороший, я бы даже сказал, что доволен)
Согласен, качество транскрибации может проседать, особенно если нужна аккуратная стенограмма и разбивка по спикерам.
Пока мой максимум из того, что пробовал, — встреча примерно на 50 минут с 3 спикерами. Для моего сценария этого хватает: получить черновик, глазами его поправить и передать программисту для выполнения задачи. В моём случае важно не дословно всё расшифровать, а нормально вытащить договоренности, задачи и открытые вопросы.
Спасибо за комментарий и совет, speech2text тоже попробую сравнить.
есть SubtitleEdit там есть распознавание видео и аудио бесплатно и локально.
(
Speech to text (speech recognition) via Whisper
Text to speech via e.g. via ElevenLabs, Azure, Google or local TTS engines installed on your pc
Auto Translation via Google translate, DeepL, local LLMs like Ollama and LM Studio, and many more AIs.
)
Спасибо, посмотрю.
А моё приложение вы пробовали? Интересно именно сравнение с тем, что описано в статье, а не просто список альтернатив.
Понятно, что инструментов для распознавания речи много. Я как раз и хотел проверить, что получится, если собрать свой вариант под рабочие встречи: транскрипт, протокол и DOCX.
Вдруг кому будет полезно без установок и настроек аналогичный сервис: https://meetwise.ru , бесплатно 10 часов распознавания, выделяет спикеров, множество шаблонов отчетов по различным типам встреч, в нем же можно и проводить видео встречи.
Отлично, рад видеть, что другой человек тоже озаботился той же задачей, что и я. Я тоже сделал (ладно, Кодекс делал, а не я) транскрибатор, но с диаризацей, разделением по серверам. Внешний вид у твоей программы лучше, кстати. Так держать!
Как быстро собрать полезный инструмент: транскрибатор видео с помощью вайб‑кодинга