Сплошная стена текста без разметки почти бесполезна. Разговор четырёх человек превращается в поток, где непонятно, кто возражал, а кто соглашался. Найти нужное место в записи по такому тексту нельзя: ты знаешь, что фраза где-то есть, но на какой она минуте, текст не подскажет.
Разметка чинит обе проблемы сразу. Тайм-код возвращает тебя в аудио на нужную секунду. Разбивка по спикерам показывает, кто говорил. Дальше расшифровкой можно пользоваться как рабочим документом, а не читать её подряд.
Как получить размеченную расшифровку: по шагам
- Заведи аккаунт на app.shopot.ai. Первые 30 минут каждый месяц идут бесплатно, карта не нужна.
- Загрузи файл: mp3, mp4, wav, aac, mov, ogg, flac, wma. Запись с видеоплощадки грузится ссылкой.
- Подожди обработку. На каждые 10 минут записи уходит примерно минута, часовая встреча готова минут за шесть.
- Открой текст. Реплики уже разложены по говорящим и привязаны ко времени, отдельно включать это не нужно.
- Переименуй спикеров. Вместо «Спикер 1» поставь имя или роль, и по всей расшифровке подпись поменяется разом.
- Забери результат в TXT или DOCX, для видео дополнительно доступны субтитры SRT и VTT.
Зачем нужен тайм-код
Проверить цитату. Автоматическая расшифровка ошибается, особенно на фамилиях, названиях и числах. Перед тем как ставить фразу в статью, договор или отчёт, её нужно сверить с записью. Тайм-код превращает сверку из переслушивания получаса в переход на нужную секунду.
Сослаться на место в записи. Внутри команды удобно писать не «он там в середине про бюджет говорил», а конкретную метку. Собеседник открывает запись и попадает ровно туда.
Смонтировать по тексту. Когда нужно вырезать из часовой записи три куска для ролика, проще найти их глазами в тексте и выписать метки, чем ползать по таймлайну на слух.
Понять хронометраж. Репетиция доклада показывает в тексте реальное время, а не то, которое тебе кажется. Регламент семь минут, запись говорит одиннадцать, значит что-то придётся резать.
Как работает разбивка по спикерам и где она ошибается
Алгоритм не знает имён. Он слышит, что голоса разные, и раскладывает реплики по говорящим, помечая их номерами. Имена подставляешь ты, один раз для всей расшифровки.
Качество разбивки зависит от записи. Обычно чище там, где голоса отличаются по тембру, люди говорят по очереди и запись сделана вблизи. Ошибки чаще всего появляются в предсказуемых местах:
- Перебивания и одновременная речь. Кусок, где говорят двое сразу, распадается плохо: реплики могут склеиться в одну или уйти не тому спикеру.
- Похожие голоса. Два мужских баритона или две женщины с близким тембром иногда сливаются в одного спикера.
- Один микрофон на всех и эхо. Запись с ноутбука в переговорке, где часть людей сидит далеко, ухудшает разделение сильнее всего.
- Короткие реплики. «Да», «угу», «согласен» слишком коротки, чтобы уверенно опознать голос, и часто приписываются соседнему говорящему.
- Телефон на громкой связи. Голос из динамика сжат и обрезан по частотам, отличить его от других сложнее.
Многое решается на этапе записи, а не расшифровки. Попроси участников держать короткую паузу перед репликой. В начале встречи пусть каждый назовёт себя, тогда сопоставить номера спикеров с людьми получится сразу. Если формат позволяет, пиши с гарнитур, а не с одного микрофона посреди стола.
Что делать после расшифровки
Первое: пройди глазами начало записи и раздай спикерам имена. Дело быстрое, а текст сразу становится читаемым для всех, кому ты его отправишь.
Второе: проверь спорные фрагменты по тайм-кодам. Числа, фамилии, названия компаний, суммы, даты. Это те места, где автоматическое распознавание ошибается чаще всего, и именно они обычно и попадают в итоговый документ.
Третье: собери из текста то, что нужно. Саммари и тезисы формируются автоматически. Если нужно вытащить конкретное, спроси в AI-чате по файлу: «выпиши все договорённости со сроками», «что говорил Петров про бюджет». Чат помнит разговор, уточнять можно по ходу, а ответы всё равно сверяй по тайм-кодам. Подробнее в статье про чат по расшифровке.
Для встреч из этого собирается готовый документ, про это отдельно: протокол совещания из записи. Для интервью логика другая, там важнее дословность: расшифровка интервью.
FAQ
Нужно ли включать тайм-коды и спикеров отдельно?
Нет, разметка появляется в расшифровке сама. Загружаешь файл и получаешь текст, уже разложенный по говорящим и привязанный ко времени.
Нет, разметка появляется в расшифровке сама. Загружаешь файл и получаешь текст, уже разложенный по говорящим и привязанный ко времени.
Сколько человек различает алгоритм?
Конкретного потолка мы не заявляем. На разговоре двоих разбивка обычно получается чище, чем на многолюдной встрече, где много коротких реплик и перебиваний. Проверь на своей типичной записи.
Конкретного потолка мы не заявляем. На разговоре двоих разбивка обычно получается чище, чем на многолюдной встрече, где много коротких реплик и перебиваний. Проверь на своей типичной записи.
Спикеры перепутались местами. Можно исправить?
Подписи спикеров переименовываются, и по всему тексту меняются разом. Если алгоритм приписал отдельную реплику не тому человеку, это видно по тайм-коду, и такие места правятся при вычитке в выгруженном TXT или DOCX.
Подписи спикеров переименовываются, и по всему тексту меняются разом. Если алгоритм приписал отдельную реплику не тому человеку, это видно по тайм-коду, и такие места правятся при вычитке в выгруженном TXT или DOCX.
В каком виде тайм-коды попадают в выгрузку?
Текст забирается в TXT или DOCX вместе с разметкой по говорящим. Для видео отдельно выгружаются субтитры SRT и VTT, где разбивка по времени уже готова под плеер.
Текст забирается в TXT или DOCX вместе с разметкой по говорящим. Для видео отдельно выгружаются субтитры SRT и VTT, где разбивка по времени уже готова под плеер.
Запись с одного микрофона в переговорке. Стоит пробовать?
Стоит, но жди, что дальние голоса и распознаются, и разделятся хуже. Расшифровка в любом случае остаётся черновиком, который стоит вычитать, а подписи спикеров в такой записи придётся местами поправить.
Стоит, но жди, что дальние голоса и распознаются, и разделятся хуже. Расшифровка в любом случае остаётся черновиком, который стоит вычитать, а подписи спикеров в такой записи придётся местами поправить.
Где хранится расшифровка?
Обработка идёт на собственных серверах Шöпота, около 99% процессинга не покидает свой контур. Расшифровки и саммари лежат на серверах в РФ без ограничения по сроку, исходные файлы ограниченное время в зависимости от тарифа, на бесплатном 30 дней. Удалить данные можно по запросу, VPN не нужен.
Обработка идёт на собственных серверах Шöпота, около 99% процессинга не покидает свой контур. Расшифровки и саммари лежат на серверах в РФ без ограничения по сроку, исходные файлы ограниченное время в зависимости от тарифа, на бесплатном 30 дней. Удалить данные можно по запросу, VPN не нужен.
Проверь на своей записи
Возьми ближайшую встречу или интервью и посмотри, как разложится текст: кто говорил и на какой минуте. Первые 30 минут бесплатные, карта не нужна: app.shopot.ai.
