Распознавание текста песни

Распознавание текста песни онлайн: загрузите MP3 – нейросеть Palatine Speech извлечёт слова из музыки. Точность WER 7,10%, от 0,29 ₽/мин, ~100 языков.

  • Точность 92,9% (WER 7,10%)
  • Тайм-коды и спикеры
  • ~100 языков
  • 152-ФЗ · данные в РФ
  • от 0,29 ₽/мин

Перетащите запись сюда

MP3, WAV, M4A, OGG, WEBM или MP4 · до 30 минут

Выбрать файл
или ссылка

Что такое распознавание текста песни

Если совсем просто, распознавание текста песни это когда вокал из файла сам ложится редактируемым текстом. Работает та же технология, что и в любом голосовом наборе, ASR. Модель вслушивается в трек, находит там голос, вылавливает речевые куски и переписывает спетые строки буквами, заодно проставляя тайм-коды. С Shazam это лучше не путать. Shazam угадывает название по обрывку мелодии, а мы разбираем ровно те слова, что поёт исполнитель, и помогаем определить текст в песне без чужих подсказок.

Пригождается это чаще всего там, где готовой расшифровки нет ни в Genius, ни в Shazam. По сути та же история, как переводят в текст обычную аудиозапись, только на входе музыка, а не диктофонное интервью. Прикидываете, как распознать текст песни по музыке из своего архива? Ниже разберём загрузку по шагам и заодно покажем, как получить текст песни, которого нигде не найти.

Песня в текст: как загрузить трек и получить слова

Песня в текст переводится прямо на странице. Ставить ничего не нужно, всё онлайн-распознавание живёт в браузере: загрузили аудиофайл или запись с микрофона, и всё. Ссылку вставлять некуда, и это первое, обо что спотыкаются. Обработка быстрая, где-то 1–2% длительности записи. Трёхминутный трек разбирается за считанные секунды, текст сразу на руках. Перегнать песню в текст онлайн выходит быстрее, чем набрать вручную один куплет.

Действий по сути три, чтобы из песни в текст онлайн получить готовый результат. Единственное, что стопорит новичков, это поиск поля для ссылки на YouTube, которого здесь просто нет. Первый прогон можно сделать даром: песня в текст онлайн бесплатно доступна через Telegram-бота с дневным лимитом. В браузере файлы уже считаются по тарифу за минуты, о нём в самом конце.

  1. Загрузите аудиофайл: перетащите MP3, WAV или M4A в окно или включите запись с микрофона. Трек из YouTube, VK или Rutube сначала сохраните в файл на устройстве, приём по ссылке не поддерживается.
  2. Дождитесь обработки: платформа тратит примерно 1–2% длительности записи, для песни на три минуты это несколько секунд.
  3. Заберите слова: скачайте расшифровку в text, srt или vtt и правьте в редакторе под свою задачу.

Взгляд инженера

Песня – самый трудный материал для распознавания речи: вокал живёт внутри музыки, а не поверх тишины. Мы честно говорим клиентам – чем чище вокальная дорожка, тем ближе результат к идеалу. На акапелле и студийных записях модель уверенно вытаскивает слова, а на плотном миксе стоит заранее выделить вокал.
Валерий ГречинCEO Palatine Speech

Музыку в текст: почему вокал сложнее и как вытащить слова

Перевести музыку в текст всегда тяжелее, чем чистую речь. Причина физическая: голос звучит не поверх тишины, а изнутри инструментала, и плотный микс просто крадёт разборчивость. Танцевальный трек с забитым битом соберётся с пропусками. Баллада под акустику, наоборот, почти без них. Чистый вокал или акапелла заметно поднимают точность, и из музыки в слова целый куплет тогда вытягивается куда надёжнее.

Вытащить, извлечь, достать, сделать текст из песни, написать слова из песни, распознать вокал. Глаголов много, операция одна: загрузить файл и получить слова. Люди просто по-разному называют один и тот же клик. Важная оговорка про «извлечь»: это не про отделение вокала от музыки. Дорожки мы не разводим, вокал-сепарации и стемов нет, на выходе только текст спетых слов. Так что если голос тонет под битом, вокальную дорожку или акапеллу готовьте заранее, любым сторонним редактором, и уже её несите на распознавание.

Онлайн слова из песни появляются в браузере сразу, как отработает модель. Запись шумная или голос сидит глубоко в миксе? Часть строк придётся доправить на слух. Так честнее, чем обещать идеал с любого файла. А обычную речь без музыки, интервью или подкаст, проще расшифровать как запись голоса: там нет конкурирующего инструментала, и слова из песни онлайн снимаются всё-таки тяжелее, чем реплики из живого разговора.

Текст по песне без баз Genius и Shazam

Текст по песне здесь рождается из распознавания слов в вашем файле, а не из поиска по названию в базе. Готовых текстов мы у себя не держим и трек по имени не ищем. Узнать текст любой песни по одному названию удобно на лирик-сервисах вроде Genius, но это не к нам. Тут всё наоборот: на входе звук, на выходе нужный текст, и композиция переводится из аудио в буквы, чтобы разобрать смысл или процитировать.

Именно на этом распознавание обходит обычный поиск текста песни по песне. Демо-запись, концертный рип, редкий трек, ваша собственная вещь. Ни одной строчки в текстовых базах, готовый lyrics никто не выкладывал, зато вокал в файле есть, и слова снимаются напрямую. Запрос про текст песни по музыке читается тут просто: распознать слова из вашего аудио, а не найти чужую расшифровку по мелодии. Тот же приём выручает, когда текст по песне онлайн нужен срочно, а поисковик выдаёт пустоту.

Форматы аудио и файл с текстом песни

MP3, WAV, M4A, OGG и ходовые видеоформаты платформа берёт как есть, без конвертации, до 30 минут на файл. Так что запрос mp3 текст закрывается прямой загрузкой. Расшифровка mp3 в текст крутится на том же движке, что и остальные форматы, никакого особого режима мр3 в текст не требует. Если у вас не песня, а надиктовка или диктофонная запись, точнее ляжет расшифровка mp3 с речью: она заточена под разговор без музыки.

На выходе отдаём json, verbose_json, text, srt или vtt. Три последних, точнее text, srt и vtt, и есть тот самый файл с текстом песни. Text под чистую расшифровку, srt и vtt сразу как субтитры для клипа. Текст песни по файлу забирается в нужном формате, руками ничего пересобирать не надо. Нужны тайм-коды под музыкальное видео? Откройте srt или vtt в редакторе или идите сделать субтитры к клипу, там тайминги уже проставлены.

ЧтоФорматыДля чего
Приём (вход)MP3, WAV, M4A, OGG, видеоЗагрузить трек или клип, до 30 минут
ТекстtextЧистая расшифровка для правки и цитат
Субтитрыsrt, vttТайминги под клип, импорт в видеоредактор
Данныеjson, verbose_jsonРазбор по сегментам и тайм-кодам для разработчика

Точность распознавания вокала

На бенчмарке из 7 датасетов Palatine выдаёт WER 7,10% и WAcc 92,9%. Оговорка сразу: цифра снята на речи, а не на вокале. На песне точность падает, и держится она на балансе громкости: чем громче вокал против инструментала, тем ближе расшифровка к оригинальным строкам. Точное число для вокала мы не называем. Честного замера по песням у нас нет, а рисовать проценты ради красивой строчки не станем.

Определить текст песни по звуку выходит тем чище, чем аккуратнее исходник. Качество записи тут весит больше любых настроек. И надо понимать, что текст песни по звуку и расшифровка чистой речи это разные по сложности задачи: подкаст снимается стабильнее музыкального трека. Так что хотите распознать слова в песне без лишних дыр, подготовьте материал заранее.

  • Загружайте вокальную дорожку или акапеллу вместо полного микса, если она есть.
  • Убирайте тяжёлый реверб и дилей на голосе: эффекты размывают слова.
  • Для живых записей выбирайте фрагмент, где вокал выведен вперёд, а не тонет в зале.

Прогоните тридцать секунд припева, гляньте, сколько строк модель разобрала верно, и только потом запускайте весь альбом.

Перевести песню в текст: языки, бесплатно и цена

«Перевести песню в текст» тут значит не то, что можно подумать. Звук расшифровывается в текст на том же языке, никакого перевода на чужой. Кросс-языкового перевода, дубляжа и озвучки мы не делаем. Русская песня станет русским текстом, английская английским, и всё. Модель распознаёт слова примерно на 100 языках, но всегда в родном языке исполнителя. Так что перевод из песни в текст это по сути смена формата, а не перенос на другой язык.

Бесплатно песню перевести в текст онлайн проще всего через бота в Telegram. @VoicePalatineBot берёт до 100 транскрибаций в день без оплаты: перешлите аудио, получите слова текстом. Для разовой задачи этого за глаза. Текст из песни онлайн бесплатно приходит без единой установленной программы, тот же конвертер из аудио в текст онлайн бесплатно прогонит и мр3 в текст онлайн бесплатно, карта не нужна. Регулярные объёмы удобнее гонять уже через браузер, по тарифу за минуты.

А тариф такой: от 0,29 ₽/мин по модели pay-as-you-go, платите за фактические минуты, баланс не сгорает. Секунды режутся вниз, так что за трёхминутный трек спишется меньше рубля, а не пакет вперёд. Оплата картой МИР, через СБП или по счёту для бизнеса, VPN не нужен. Файлы клиентов лежат в 4 ЦОД Tier III на территории РФ, по 152-ФЗ, и ходят по TLS. Фиксированного пакета минут в тарифе нет, а тестовые минуты под объём выдаём по запросу.

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "SoftwareApplication",
      "name": "Распознавание текста песни – Palatine",
      "applicationCategory": "MultimediaApplication",
      "operatingSystem": "Web",
      "url": "https://speech.palatine.ru/raspoznat-tekst-pesni/",
      "description": "Распознавание слов из аудиофайла песни: загрузите MP3 или другой формат, нейросеть Palatine достаёт вокал и отдаёт редактируемый текст с тайм-кодами.",
      "featureList": [
        "распознавание вокала из загруженного аудиофайла",
        "тайм-коды и субтитры srt/vtt",
        "около 100 языков в исходном языке песни",
        "OpenAI-совместимый API"
      ],
      "offers": {
        "@type": "Offer",
        "price": "0.29",
        "priceCurrency": "RUB",
        "description": "от 0,29 ₽/мин, pay-as-you-go, баланс не сгорает"
      }
    },
    {
      "@type": "BreadcrumbList",
      "itemListElement": [
        {
          "@type": "ListItem",
          "position": 1,
          "name": "Главная",
          "item": "https://speech.palatine.ru/"
        },
        {
          "@type": "ListItem",
          "position": 2,
          "name": "Распознавание текста песни",
          "item": "https://speech.palatine.ru/raspoznat-tekst-pesni/"
        }
      ]
    },
    {
      "@type": "FAQPage",
      "mainEntity": [
        {
          "@type": "Question",
          "name": "Как распознать текст песни онлайн?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Загрузите аудиофайл песни (MP3, WAV, M4A или другой) либо включите запись с микрофона, и нейросеть распознает вокал и вернёт слова текстом с тайм-кодами. Приём по ссылке YouTube или VK не поддерживается: сначала сохраните трек в файл, затем загрузите его."
          }
        },
        {
          "@type": "Question",
          "name": "Можно ли распознать текст песни бесплатно?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Да, для разовых задач подойдёт Telegram-бот @VoicePalatineBot: до 100 транскрибаций в день без оплаты, перешлите аудио и получите слова текстом. Для регулярных объёмов работает тариф pay-as-you-go от 0,29 ₽/мин, баланс не сгорает."
          }
        },
        {
          "@type": "Question",
          "name": "Насколько точно распознаётся текст песни?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "На бенчмарке из 7 датасетов сервис даёт WER 7,10% и WAcc 92,9%, но это метрика на речи. На песне точность ниже и зависит от того, насколько вокал громче музыки в миксе. Чистый голос без плотного инструментала распознаётся заметно точнее."
          }
        },
        {
          "@type": "Question",
          "name": "Что делать, если музыка заглушает голос?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Плотный инструментал и эффекты снижают разборчивость вокала. Загрузите запись с выделенной вокальной дорожкой или акапеллу, тогда слова распознаются чище. Сами вокал от инструментала мы не отделяем, стемов на выходе нет."
          }
        },
        {
          "@type": "Question",
          "name": "Из каких форматов можно извлечь текст?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Поддерживаются MP3, WAV, M4A, OGG и распространённые видеоформаты, до 30 минут на файл. Результат отдаётся в json, verbose_json, text, srt или vtt. Последние два формата удобны как субтитры."
          }
        },
        {
          "@type": "Question",
          "name": "Переводите ли вы песню на другой язык?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Нет. Сервис делает расшифровку и переводит звук в текст на том же языке, на котором поёт исполнитель. Кросс-языкового перевода, дубляжа и озвучки у нас нет."
          }
        },
        {
          "@type": "Question",
          "name": "Как получить текст песни, которой нет в интернете?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Для этого и подходит распознавание по аудио: если готовой расшифровки нет в базах Genius или Shazam, загрузите свой файл, и модель распознает слова напрямую из записи."
          }
        },
        {
          "@type": "Question",
          "name": "Есть ли API для распознавания текста песен?",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "Да, OpenAI-совместимый API: POST /audio/transcriptions с диаризацией и тайм-кодами. Файлы обрабатываются через polling, вебхуков нет."
          }
        }
      ]
    }
  ]
}

Сколько стоит расшифровка

0,29 ₽/мин, pay-as-you-go. Объёмы для бизнеса выделяем по запросу. Баланс не сгорает, секунды округляются вниз.

600 мин
Итого за обработку174 ₽Укладывается в 1 000 бесплатных минут – по запросу

Вопросы и ответы

Ответы на вопросы

Не нашли ответ? Напишите нам ↗

01Как распознать текст песни онлайн?

Загрузите аудиофайл песни (MP3, WAV, M4A и др.) или запись через микрофон в Palatine Speech – нейросеть распознаёт вокал и возвращает слова текстом с тайм-кодами. Приём по ссылке (YouTube, VK) не поддерживается: сначала сохраните файл, затем загрузите его.

02Можно ли распознать текст песни бесплатно?

Да, для быстрых задач подойдёт Telegram-бот @VoicePalatineBot – до 100 бесплатных транскрибаций в день: перешлите аудио и получите текст. Для больших объёмов работает тариф pay-as-you-go от 0,29 ₽/мин, баланс не сгорает.

03Насколько точно распознаётся текст песни?

Средняя точность платформы – WER 7,10% (WAcc 92,9%) на бенчмарке из 7 датасетов. На песнях результат зависит от чистоты вокала: чёткий голос без плотного инструментала распознаётся заметно точнее, чем громкий микс.

04Что делать, если музыка заглушает голос?

Плотный инструментал и эффекты снижают разборчивость вокала. Для лучшего результата загрузите запись с выделенной вокальной дорожкой или акапеллу – тогда модель распознаёт слова чище.

05Из каких форматов можно извлечь текст?

Поддерживаются распространённые аудио- и видеоформаты, включая MP3, WAV, M4A, OGG. Результат отдаётся в json, verbose_json, text, srt или vtt – последние два удобны для субтитров.

06На каких языках распознаётся текст песни?

Поддерживается около 100 языков – русский и языки СНГ, а также английский, испанский, немецкий и другие. Модель распознаёт слова в исходном языке песни.

07Переводите ли вы песню на другой язык?

Нет. Palatine Speech делает расшифровку – переводит звук в текст на том же языке, на котором поёт исполнитель. Перевода на другой язык, дубляжа и озвучки нет.

08Как получить текст песни, которой нет в интернете?

Именно для этого подходит распознавание по аудио: если готового текста нет в базах Genius или Shazam, загрузите свой файл – модель распознает слова напрямую из записи.

09Есть ли API для распознавания текста песен?

Да, OpenAI-совместимый API: POST /audio/transcriptions с диаризацией и тайм-кодами. Файлы обрабатываются через polling; вебхуков нет.

Расшифруйте первую запись за минуту

Новым пользователям – 1000 минут бесплатно по запросу. Баланс не сгорает, секунды округляются вниз.

Murmur

Лист ожидания

Murmur готовится к релизу. Оставьте почту – напишем, когда он выйдет.