Главная → Статьи → Что такое транскрибация
Что такое транскрибация и чем её делают
Слово встречается в объявлениях о работе, в прайсах фрилансеров и в названиях программ, но внятного объяснения обычно нет. Разбираем: что это, кому нужно, сколько стоит и чем делать.

О чём статья
Что такое транскрибация простыми словами
Транскрибация — это перевод речи из аудио или видео в письменный текст. Было: полуторачасовая запись совещания. Стало: документ, который можно прочитать, найти в нём нужное место поиском и разослать коллегам.
Слово пришло из научной среды, где расшифровкой интервью занимаются постоянно, и закрепилось на биржах фриланса. В обиходе говорят и «расшифровка» — это то же самое.
Результат бывает разной степени обработки:
- Дословный. Записано всё, включая «э-э», повторы и оговорки. Нужен юристам и исследователям, когда важна точность.
- Литературный. Убраны слова-паразиты и запинки, расставлены знаки препинания. Подходит для статей, протоколов, субтитров.
- С разделением по собеседникам. Видно, кто что сказал. Без этого запись совещания читать почти невозможно.
- С таймкодами. У каждой реплики указано время — можно быстро вернуться к нужному месту записи.
Чем отличается от распознавания речи
Эти слова часто путают, хотя разница есть.
Распознавание речи — это технология: программа слышит звук и выдаёт буквы. Она работает в голосовом поиске, в умной колонке, в голосовом вводе на телефоне.
Транскрибация — это задача целиком: взять готовую запись и получить пригодный для работы документ. Распознавание — только первый шаг. Дальше нужно расставить знаки препинания, понять, где сменился говорящий, убрать мусор, оформить.
Поэтому голосовой ввод в телефоне хорошо справляется с короткой фразой, но полуторачасовую запись совещания в нём не расшифруешь: он не разделит собеседников, не поставит таймкоды и не сохранит результат в Word.

Кому и зачем она нужна
Юристам и нотариусам. Записи заседаний, консультаций, переговоров — в протокол. Здесь нужен дословный вариант: важно каждое слово.
Журналистам. Интервью в текст, чтобы вытащить цитаты. Таймкоды позволяют мгновенно найти место, где прозвучала нужная фраза.
Исследователям и студентам. Глубинные интервью, фокус-группы, лекции. В науке расшифровка интервью — обязательный этап работы.
Секретарям и помощникам руководителя. Планёрка в протокол. Разделение по собеседникам тут главное: иначе непонятно, кто взял на себя обязательство.
Блогерам и видеографам. Субтитры к роликам и монтаж по тексту: правишь текст — меняется видео.
Медикам. Приём под диктовку, когда нет времени писать во время работы с пациентом.
Сколько стоит и сколько занимает
Вручную опытный человек тратит на час записи от трёх до пяти часов. Если речь быстрая и собеседников несколько — до шести.
У фрилансера на бирже час записи обойдётся в 900–2 400 ₽: ставки в среднем 15–40 ₽ за минуту. Срок — от суток до трёх.
Онлайн-сервисы просят от 500 до 1 500 ₽ в месяц по подписке, обычно с ограничением на число минут.
Программа на своём компьютере — разовая покупка. Час записи обрабатывается примерно за 30 минут на старом ноутбуке без видеокарты, с разделением по собеседникам — около 70 минут. На современном компьютере быстрее.
Чем делают: четыре способа
1. Вручную. Плеер, текстовый редактор и терпение. Бесплатно, точно, очень долго. Разумно для коротких записей.
2. Фрилансер. Вы не тратите время, получаете вычитанный текст. Минусы: срок и то, что запись уходит постороннему человеку. Для записей с персональными данными или коммерческой информацией это проблема.
3. Онлайн-сервис. Быстро и просто: загрузили файл, получили текст. Минусы: постоянная подписка и то, что файл оказывается на чужом сервере. Для юриста или врача это зачастую недопустимо.
4. Программа на компьютере. Запись обрабатывается локально и никуда не передаётся. Платите один раз. Минус — обработка идёт не мгновенно, а в фоне.
Бесплатные решения этого класса тоже существуют, но требуют установки Python, работы с командной строкой и ручной настройки моделей — несколько вечеров и навыки программиста.

Отчего зависит качество
Любая автоматическая транскрибация ошибается. Вот что влияет сильнее всего:
- Расстояние до микрофона. Главный фактор. Телефон на середине стола переговоров даст заметно худший результат, чем диктофон перед говорящим.
- Шум. Кондиционер, улица, стук посуды. Современные программы умеют чистить запись — это помогает.
- Перебивания. Когда говорят одновременно, разделить реплики сложно и человеку, и программе.
- Термины и фамилии. Специальные слова распознаются хуже обычных. Хорошие программы позволяют завести свой словарь, чтобы «ГИБДД» не превращалось в «гибдэдэ».
- Пение и музыка. Распознаются плохо: модели обучены на речи.
Вывод простой: получить идеальный текст одним нажатием не выйдет ни у кого. Но получить черновик, который останется вычитать за десять минут вместо четырёх часов набора, — вполне реально.
«Капсай · Голос» делает транскрибацию на вашем компьютере. Перетащите запись — получите текст с разделением по собеседникам, готовый к сохранению в Word. Без интернета, без подписки, запись остаётся у вас.
Перед покупкой можно скачать и проверить бесплатно на коротких записях.