Palatine Speech
Расшифровка коуч-сессий
Расшифровка коуч-сессий и сессий психолога в текст: деление коуч/клиент, тайм-коды, конфиденциальность 152-ФЗ и данные в РФ. Точность WER 7,10%, от 0,29 ₽/мин.
- Конфиденциальность по 152-ФЗ
- Деление коуч / клиент
- Тайм-коды к репликам
- Саммари сессии
- от 0,29 ₽/мин
Сессия записана, а для заметок и супервизии нужен текст. Загрузите запись с диктофона или файл видеозвонка, и расшифровка коуч-сессии переведёт разговор в текст: мы распознаём речь с точностью WER 7,10% и раскладываем реплики коуча и клиента по говорящим. Часовая сессия становится текстом примерно за минуту, а не за смену ручной расшифровки.
И приватность здесь не менее важна, чем точность. Записи мы храним в 4 ЦОД на территории РФ по 152-ФЗ и не обучаем на них модели, а язык записи остаётся прежним: сказали по-русски – получите русский текст. Устанавливать ничего не нужно, работа идёт в браузере.
Что даёт расшифровка коуч-сессии
Расшифровка коуч-сессии – это распознавание речи разговора в редактируемый текст на том же языке. Готовый текст удобно перечитывать перед следующей встречей, разбирать на супервизии и отслеживать динамику клиента от сессии к сессии, не полагаясь на память и короткие пометки. Распознаётся около 100 языков, но перевода на другой язык здесь нет: транскрибация сессии не переводит её.
Работать можно с любой записью, где есть звук. Диктофон на очной встрече, файл записи видеозвонка, микрофон для заметок сразу после сессии – мы одинаково расшифровываем и загруженный файл, и живую диктовку. Из видео берётся звуковая дорожка, так что формат исходника роли не играет.
Групповая или командная сессия расшифровывается по тому же сценарию, просто говорящих больше: диаризация раскладывает по репликам всех участников, а не только пару коуч-клиент. Начинающему специалисту текст помогает разбирать собственную работу на супервизии, потому что в нём видно, где прозвучал открытый вопрос, а где оценка или совет.
Реплики коуча и клиента: диаризация и тайм-коды
Расшифровка сессии психолога или коуча нужна с разметкой, кто что сказал. Диаризация делит разговор по говорящим и ставит тайм-код к каждой реплике, поэтому в тексте сразу видно, где вопрос коуча, а где ответ клиента. Не приходится вручную помечать реплики и переслушивать запись.
Тайм-коды экономят время на возврате к ключевым моментам. Договорённость, запрос или инсайт вы находите по тексту и открываете нужную минуту в один клик. Для часовой сессии это разница между парой минут и получасом перемотки на слух.
Текст с разметкой по спикерам удобно перечитывать между встречами и замечать, как меняется речь клиента: какие темы повторяются от сессии к сессии, где появляются новые формулировки и решения. Для долгой работы это фактура, которую на слух в памяти не удержать.
В сессии важны сразу две вещи – точный текст и приватность. Поэтому мы раскладываем реплики коуча и клиента по говорящим и ставим тайм-код к каждой договорённости, а сами записи держим в 4 ЦОД на территории РФ по 152-ФЗ и не обучаем на них модели.
Конфиденциальность и хранение записей
Приватность записи – главное требование в работе коуча и психолога, поэтому хранение важно не меньше точности. Записи обрабатываются и хранятся в 4 ЦОД уровня Tier III на территории РФ по 152-ФЗ, соединение защищено TLS. На данных клиентов модели не обучаются, так что материал сессии не уходит в обучающую выборку.
Контроль над текстом остаётся у вас. Готовую расшифровку вы выгружаете к себе и удаляете запись из сервиса. Внутри своей практики распознавание можно подключить через OpenAI-совместимый API (POST /audio/transcriptions) – и для файлов, и для потока по WebSocket.
Сама запись остаётся вашим рабочим материалом. Делайте её с согласия клиента, а расшифровку храните там, где удобно вам: сервис нужен только на шаге перевода звука в текст и не оставляет запись у себя после выгрузки.
Точность и скорость под расписание
Под плотное расписание решают две вещи: насколько точно распознана речь и как быстро готов текст. Точность у нас – WER 7,10% и WAcc 92,9% по бенчмарку на 7 датасетах, ниже таблица сравнения по WER. Онлайн-сессию по телефонному каналу 8 кГц, где универсальные движки проседают, мы держим на точности около 90%.
Скорость тоже измеримая: обработка идёт примерно за 1–2% от длительности файла. Часовая сессия превращается в текст за минуту-другую, поэтому между встречами вы успеваете свести заметки, а не сидеть с наушниками над записью.
Форматы и саммари сессии
Текст отдаём в txt, json, verbose_json, srt и vtt – с тайм-кодами и делением на спикеров. Для заметок и супервизии хватает txt, а тайм-коды сохраняются во всех форматах и привязывают реплику ко времени.
Из расшифровки удобно собрать саммари из аудио: запрос клиента, ключевые тезисы, договорённости и домашнее задание на следующую встречу одним блоком. Так вся сессия сворачивается в короткую карточку, которую вы открываете перед следующей встречей за полминуты вместо перечитывания часовой расшифровки. Таблица ниже подсказывает, что под какую задачу подходит.
| Источник записи | Когда подходит | Что на выходе |
|---|---|---|
| Диктофон (mp3, m4a) | Очная коуч-сессия | Текст с делением коуч/клиент и тайм-кодами |
| Файл видеозвонка (mp4) | Онлайн-сессия по видеосвязи | Текст + субтитры srt/vtt |
| Микрофон в браузере | Заметки сразу после сессии | Текст в реальном времени |
Если исходник – запись созвона на платформе, сначала скачайте её и загрузите файлом: приёма по ссылке у нас нет. Отдельно лежит расшифровка диктофона с разбором форматов записи.
Сколько стоит и как попробовать бесплатно
Расшифровка тарифицируется от 0,29 ₽/мин по модели pay-as-you-go: вы платите только за обработанные минуты, баланс не сгорает, а секунды округляются вниз. Часовая сессия обходится в считанные рубли, отдельная подписка не нужна.
Для коротких записей есть бесплатный вход. Перешлите аудио или голосовое в голос в текст через Telegram-бот @VoicePalatineBot – он обрабатывает до 100 записей в день без регистрации. Так удобно расшифровывать короткие заметки после сессии прямо с телефона, а полные сессии загружать в основной сервис.
Ответы на вопросы
Не нашли ответ на свой вопрос? Напишите нам
Как расшифровать коуч-сессию в текст?
Загрузите запись сессии с диктофона или файл записи видеозвонка либо наговорите заметки в микрофон, запустите распознавание и заберите текст. Обработка занимает около 1–2% от длительности, поэтому часовая сессия готова примерно за минуту.
Разделит ли сервис реплики коуча и клиента?
Да. Диаризация раскладывает разговор по говорящим и ставит тайм-код к каждой реплике, так что в тексте видно, где говорит коуч, а где клиент. По тайм-коду вы за секунды находите момент договорённости или инсайта.
Насколько конфиденциальна расшифровка сессии?
Записи обрабатываются и хранятся в 4 ЦОД уровня Tier III на территории РФ по 152-ФЗ, соединение защищено TLS. На данных клиентов модели не обучаются, а готовый текст вы выгружаете к себе и удаляете запись из сервиса.
Насколько точная расшифровка?
Точность распознавания – WER 7,10% и WAcc 92,9% по бенчмарку на 7 датасетах. Для сравнения, Whisper-large-v3 показывает WER 7,44%. Онлайн-сессию по телефонному каналу 8 кГц мы держим на точности около 90%.
Можно ли расшифровать сессию бесплатно?
Короткие записи и голосовые примет Telegram-бот @VoicePalatineBot – до 100 транскрибаций в день без регистрации. Длинные сессии удобнее загружать в основной сервис.
В каких форматах отдаётся текст?
Доступны txt, json, verbose_json, srt и vtt – с тайм-кодами и делением на спикеров. Из расшифровки можно собрать саммари сессии с тезисами и договорённостями.
Можно ли расшифровать запись видеозвонка по ссылке?
Приёма по ссылке нет: скачайте запись звонка и загрузите файлом. Из видео сервис берёт звуковую дорожку и расшифровывает её как обычную запись.
Сколько стоит расшифровка сессии?
От 0,29 ₽/мин по модели pay-as-you-go: платите только за обработанные минуты, баланс не сгорает, а секунды округляются вниз. Часовая сессия обходится в считанные рубли.