Транскрибация WAV в текст

Транскрибация WAV в текст онлайн: загрузите WAV, OGG или M4A – расшифровка с таймкодами и спикерами, экспорт в Word. Точность WER 7,10%, от 0,29 ₽/мин.

  • 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

Palatine Speech делает транскрибацию WAV в текст онлайн: загрузите аудиофайл - получите расшифровку с таймкодами и разделением на спикеров, а затем выгрузите аудио в ворд. Наравне с WAV поддерживаются OGG и M4A, поэтому конвертировать файл заранее не нужно. Точность распознавания - WER 7,10%, цена - от 0,29 ₽/мин.

Что такое формат WAV

WAV (Waveform Audio File Format) - контейнер несжатого PCM-звука, разработанный Microsoft и IBM. Он хранит звук без потерь, поэтому весит больше сжатых форматов, зато сохраняет все детали речи.

Чем WAV отличается от MP3, OGG и M4A

Рядом с WAV в запросах часто встречается вопрос «OGG что за формат и чем открыть». OGG - открытый свободный контейнер с кодеками Vorbis или Opus; M4A - контейнер MPEG-4 с кодеком AAC. Открыть OGG или M4A можно любым современным плеером, а чтобы получить текст, просто загрузите файл в сервис - ручная конвертация не нужна.

Как перевести WAV в текст онлайн

  1. Загрузите файл WAV, OGG или M4A (или пришлите его боту @VoicePalatineBot).
  2. Дождитесь расшифровки - обработка занимает около 1-2% длительности записи.
  3. Скачайте результат: txt, srt, vtt, json - или скопируйте в Word.

Мнение эксперта

Расширение файла – WAV, OGG или M4A – почти ничего не говорит о будущем качестве расшифровки. Мы одинаково хорошо читаем несжатый WAV и сжатые OGG или M4A; куда важнее, насколько чистая речь на записи и какая у неё частота дискретизации.
Валерий ГречинCEO Palatine Speech

Точность расшифровки WAV в текст

Расшифровка WAV выполняется с точностью WER 7,10% и WAcc 92,9% по бенчмарку на 7 датасетах. Несжатый WAV удобен для распознавания, потому что не теряет высокочастотные детали речи при кодировании, - это заметно при переводе wav to text длинных записей.

Точность расшифровки WAV: 92,9% точность по словам, WER 7,10%, обработка 1-2% длительности записи

Поддерживаемые форматы: WAV, OGG, M4A

Сервис принимает WAV, OGG и M4A, а также MP3 и MP4 без предварительной конвертации.

M4A в текст (AAC/MPEG-4)

M4A в текст переводится напрямую: загрузите файл AAC/MPEG-4 - и получите расшифровку. Слово «перевести» здесь означает превращение речи в текст на исходном языке, а не языковой перевод; так же работают конвертация m4a в текст и запрос m4a to text.

OGG в текст (Vorbis/Opus)

Для OGG в текст действует тот же сценарий: загрузка файла Vorbis/Opus без ручной конвертации - преобразовать ogg в текст можно за пару кликов, в том числе в режиме ogg в текст онлайн.

Карточки форматов WAV, OGG, M4A, MP3 и MP4 - загрузка в текст без конвертации

Экспорт аудио в Word (.docx)

Готовую расшифровку удобно сохранить как аудио в ворд: скопируйте текст в документ Word или скачайте в txt; доступны также субтитры srt и vtt. Конвертер аудио в ворд работает онлайн, без установки программ.

Диаризация и таймкоды в расшифровке

Каждая расшифровка возвращается с таймкодами и диаризацией - делением реплик по спикерам, что упрощает вычитку интервью и совещаний.

Стоимость транскрибации WAV в текст

Цена - от 0,29 ₽/мин по модели pay-as-you-go, баланс не сгорает, секунды округляются вниз.

Бесплатная транскрибация WAV в Telegram-боте

В боте @VoicePalatineBot доступно 100 бесплатных транскрибаций в день - достаточно, чтобы преобразовать WAV, OGG или M4A в текст онлайн бесплатно.

Требования к аудиофайлу и качество записи

На точность влияет не расширение файла, а чистота речи и частота дискретизации. Для лучшего результата используйте запись без сильного фона и с разборчивой речью; поддерживается ~100 языков - русский и языки СНГ.

API для транскрибации WAV, OGG и M4A

Для интеграции есть OpenAI-совместимый API (POST /audio/transcriptions) с диаризацией, таймкодами и форматами json/verbose_json/text/srt/vtt. Данные хранятся в 4 ЦОД Tier III в РФ по 152-ФЗ; на файлах клиентов модели не обучаются.

Смежные сценарии: транскрибация аудио в текст и транскрибация звонков, а также форматные страницы mp3 в текст и mp4 в текст.

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 перевести WAV в текст онлайн?

Загрузите файл WAV в Palatine Speech или пришлите его боту @VoicePalatineBot, дождитесь расшифровки и скачайте текст. Точность распознавания – WER 7,10%.

02Что за формат OGG и чем его открыть?

OGG – открытый свободный аудиоконтейнер с кодеками Vorbis или Opus. Открывается любым современным плеером; для расшифровки просто загрузите OGG в сервис – конвертировать вручную не нужно.

03Можно ли преобразовать M4A в текст?

Да. M4A (AAC/MPEG-4) загружается напрямую, наравне с WAV и OGG, – отдельная конвертация не требуется.

04Как выгрузить расшифровку аудио в Word?

Результат можно скопировать в документ Word или скачать в txt; также доступны форматы srt, vtt и json.

05Поддерживаются ли таймкоды и разделение на спикеров?

Да, расшифровка возвращается с таймкодами и диаризацией – делением на спикеров.

06Можно ли расшифровать WAV бесплатно?

Да, в Telegram-боте @VoicePalatineBot доступно 100 бесплатных транскрибаций в день; далее – от 0,29 ₽/мин без сгорания баланса.

07Влияет ли формат файла на точность?

Расширение (WAV, OGG, M4A) само по себе на точность не влияет – важны чистота речи и частота дискретизации. Несжатый WAV сохраняет больше деталей речи.

08Где хранятся мои аудиофайлы?

В 4 ЦОД Tier III на территории РФ по 152-ФЗ; на данных клиентов модели не обучаются.

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.