Коробка с инструментами

Веб-приложение для облегчения расшифровки аудио и видеозаписей интервью. Работа с файлами разного формата в одном окне с текстовым редактором. Возможность управления горячими клавишами (пауза, перемотка вперед/назад). Интерактивные метки времени для навигации по записи.

Браузерное расширение для извлечения и перевода текста из картинок, видеороликов, нередактируемых PDF-документов, скриншотов и даже комиксов. Чтобы распознать и скопировать текст, необходимо нажать на значок расширения на панели браузера, а затем выделить нужную область на картинке. Дополнение моментально распознает символы и предоставит текст всплывающем окне. По умолчанию переводит Google Translate, но можно выбрать другое.

Переводит видео с YouTube в текстовый контент. С помощью нейросети сервис с высокой точностью преобразовывает содержимое ролика в текст. Преобразует как изображения, так и аудиодорожку — то есть нейросеть работает с фильмами, песнями, интервью, лекциями, видеоблогами и так далее. Для конвертации видео и аудио файлов требуется в среднем от 30 секунд до 5 минут. Сервис платный, но есть 7-дневный пробный период. Ежемесячная подписка на сервис стоит от 29 долларов.

Windows-приложение для голосового набора текста и распознавания речи из аудиозаписей. Конвертация осуществляется в специальном плагине для редактора MS Word с отображением аудиозаписи в плеере и связью звука с распознанным текстом. Может распознавать фрагмент аудиозаписи, для этого нужно лишь выделите нужный участок записи в плеере.

Сервис для быстрой расшифровки аудиозаписей на казахском, русском, украинском и английском языках. Чтобы получить расшифровку, надо загрузить файл. Авторы сервиса обещают, что он будет расшифрован примерно за пять минут. Сервис платный (оплата почасовая, пакетами дешевле), можно попробовать бесплатно.

Ещё один сервис для транскрибирования. Расшифровывает речь из аудио и видео, создаёт автоматические субтитры, есть перевод на 35+ языков. Очень приличное качество расшифровки, если нормальное качество звука. Различает разных спикеров, проставляет знаки препинания, идентифицирует вопросительную интонацию. Платный, но есть «проектный тариф» с почасовой оплатой.

Бесплатный инструмент от Google, который стал частью «Студии журналиста» (Journalist Studio). Изначально Pinpoint предназначался для организации и анализа документов, но теперь он помогает избежать трудностей и времени на ручное преобразование аудио или видео в текст. Пользователи могут загружать до 200 000 файлов в самых разных форматах: PDF, MP3 и так далее. Конвертер генерирует онлайн-транскрипции в течение всего нескольких минут. Сервис позволяет искать материалы, которые содержат совпадения по определённым словам, фразам, местам, организациям или личностям. Искать нужную информацию можно даже в отсканированных PDF-файлах: инструмент использует оптическое распознавание символов (OCR). Маркировка каждого документа позволяет легко найти информацию. Выполняйте поиск по всей базе документов или только по тем, которые имеют определённый тег. Для того, чтобы использовать Pinpoint, необходимо зарегистрироваться, используя свою учётную запись Google.

Сервис ориентирован на журналистов, копирайтеров и представителей других профессий, которым приходится много работать с текстами. Но пользуйтесь осторожно: сервис принадлежит «Сберу». SmartSpeech Bot можно добавить в любой чат (как личный, так и групповой), чтобы получать текстовые расшифровки голосовых сообщений и одноканальных аудиофайлов в форматах MP3, WAV (8-96 кГц), FLAC и OggOpus. Максимальный размер файла — 20 МБ, поддерживается только русский язык. Платформа SmartSpeech не ограничена превращением аудио в текст: генерация речи для озвучки текста тоже возможна, хоть и не в рамках Telegram-бота.

Сервис для автоматической расшифровки звука. Расшифрует запись в течении нескольких минут, в зависимости от длительности. Также позволяет редактировать стенограммы и субтитры. Поддерживает 27 языков, в том числе и русский.

Сервис для расшифровки аудиозаписей. Загружаете файл - получаете расшифровку. Распознает большое количество языков, включая русский. Распознает разных спикеров, размечает тайминг, позволяет на ходу подсвечивать отдельные фрагменты, выделять отдельные куски и сразу перетаскивать их в историю. Удобно редактировать текст внутри программы - если поставить курсор на любой фрагмент расшифровки, воспроизведение звука начнётся именно с этого места.

Встроенный инструмент для перевода речи в текст. Для использования нужно создать гугл-документ, в панели "Инструменты" выбрать "Голосовой ввод", разрешить доступ и нажать на иконку микрофона.