Transkrypcja wiadomości głosowych z WhatsAppa na tekst

Dlaczego głosówkę lepiej przeczytać, niż odsłuchać

Trzyminutowa wiadomość głosowa to około 400 słów. Odsłuchanie zajmuje trzy minuty, przeczytanie czterdzieści sekund — a do tego tekst da się przeszukać, zacytować i przesłać dalej to jedno zdanie, o które naprawdę chodzi. WhatsApp pokazuje transkrypcję niektórych wiadomości na niektórych telefonach, ale nie w każdym języku, nie dla nagrań przekazanych dalej i nigdy dla pliku, który leży już wyeksportowany w Plikach. Ta strona bierze taki plik i oddaje same słowa.

Skąd bierze się plik

WhatsApp zapisuje wiadomości głosowe jako dźwięk Opus w kontenerze Ogg, więc wyeksportowany plik ma rozszerzenie .opus. Na Androidzie przytrzymaj wiadomość, wybierz Udostępnij i zapisz ją w Plikach albo wyślij sobie na komputer; oryginały leżą też w katalogu WhatsApp/Media/WhatsApp Voice Notes/. Na iPhonie przytrzymaj wiadomość, dotknij Przekaż dalej, potem ikony udostępniania i Zapisz w plikach. Tak czy inaczej plik jest malutki — minuta mowy to mniej więcej 100–200 KB — więc wysyłka trwa sekundę.

Co się dzieje po wrzuceniu pliku

Najpierw plik czyta twoja przeglądarka. Jeśli nagranie jest dłuższe niż 5 minut, przeglądarka sama zostawia tylko pierwsze 5 minut i przekodowuje ten fragment na plik WAV mono 16 kHz, więc reszta w ogóle nie opuszcza urządzenia. Dźwięk trafia potem szyfrowanym połączeniem do tego samego silnika transkrypcji, na którym działa aplikacja SozAI, obsługiwanego przez AssemblyAI. Język rozpoznawany jest automatycznie spośród 99 języków, więc portugalska głosówka od kuzyna i niemiecka od współpracownika wracają w tym języku, w którym zostały nagrane. Kiedy transkrypcja się pojawi, nagranie i tekst są u dostawcy usuwane; na tej stronie nie zostaje nic.

Formaty i limity

• Obsługiwane: OPUS/OGG, MP3, M4A, WAV, AAC, FLAC, WEBM, do 25 MB.
• Długość podglądu: pierwsze 5 minut każdego pliku.
• Trzy podglądy na urządzenie dziennie; bez rejestracji, bez karty.
• Na iPhonie Safari nie potrafi samo zdekodować Opusa, więc plik idzie w całości i zostaje przycięty do 5 minut dopiero na serwerze. Głosówki są na tyle małe, że nie robi to różnicy.

Kiedy podgląd to za mało

Jedna wiadomość głosowa mieści się w 5 minutach bez problemu. Czterdzieści zaległych nagrań z grupowego czatu albo dwudziestominutowy monolog, który znajomy wysłał o północy — już nie. Aplikacja SozAI nie ma limitu czasu: udostępnij nagranie prosto z WhatsAppa do SozAI na iPhonie lub Androidzie, a transkrypcja wyląduje w przeszukiwalnej bibliotece razem z podsumowaniem i — jeśli tego potrzebujesz — tłumaczeniem. Pierwsze 30 minut jest za darmo.