Главное
Для двухчасовой записи сама автоматическая расшифровка занимает лишь малую долю этого времени — программа тут не тормозит процесс. Судьбу вечера решает последующая правка: черновой текст, который нужен просто для поиска, почти не требует доработки, а вот текст для цитирования или публикации нужно сверить с аудио целиком, поправив имена, цифры и места, где люди говорят одновременно. Если печатать вручную, уйдёт время, кратно превышающее длину записи, и с плохим звуком становится только хуже. Закладывайте время не на работу программы, а на правку.
Два часа речи в обычном темпе — это примерно шестнадцать-восемнадцать тысяч слов, объём небольшой книги. Уже одна эта цифра говорит о том, что ждёт вас вечером: читать такой текст от начала до конца никто не хочет, и печатать его с нуля вручную не хочет почти никто, если есть другой способ.
Честный ответ на вопрос «сколько времени это займёт» зависит от двух вещей, которые вы контролируете, и одной, которую нет: насколько чистый звук, насколько чистым должен получиться итоговый текст, и насколько быстро вы сами печатаете или слушаете. Программа меняет только одну часть этого уравнения. Двух других она не касается.
Сначала — арифметика
Речь на презентациях и лекциях обычно идёт со скоростью 130–150 слов в минуту. Разговорная речь быстрее и неравномернее — люди перебивают друг друга, начинают фразу заново, обрывают мысль на середине. При лекционном темпе час речи даёт примерно восемь-девять тысяч слов. Умножьте на два для двухчасовой записи — и получите шестнадцать-восемнадцать тысяч слов чернового текста, а если это дискуссия, а не монолог, то и больше.
И это ещё до того, как вы решили, каким способом получать сам текст. Если хочется быстро прикинуть объём для своей конкретной записи, прежде чем что-то начинать, калькулятор времени речи даст ответ за минуту — и это стоит сделать заранее, потому что пятнадцатиминутный ролик и двухчасовая встреча — это разные по объёму работы задачи, которые кажутся похожими, пока вы их не измерили. Прикинуть это можно с помощью калькулятора времени речи.
Печатать самому — дольше, чем кажется
Если вы прикидываете, не напечатать ли всё вручную прямо сегодня, для начала стоит знать реальный множитель. Расшифровка вручную занимает время, кратно превышающее длину самой записи — не потому что печатать медленно, а потому что нельзя одновременно слушать в темпе говорящего и точно набирать текст. Вы останавливаете запись, отматываете на несколько секунд назад, печатаете услышанное и запускаете снова. Этот цикл повторяется постоянно, и становится хуже, если встречаются незнакомые слова, быстрая речь или моменты, когда говорят одновременно двое.
Этот множитель растёт вместе со сложностью звука, а не уменьшается. Чистое интервью в обычном разговорном темпе может занять в три-четыре раза больше времени, чем его длительность, если считать все остановки и перемотки. Лекция, полная незнакомых терминов, растянется куда сильнее, потому что вы постоянно останавливаетесь, чтобы разобраться, как это пишется и произносится — то, что иначе набрали бы не задумываясь. Для двухчасовой записи расшифровка вручную — это не работа на один вечер. Это работа на несколько вечеров, и лучше понимать это заранее, а не через час после начала.
Автоматическая расшифровка не замедляется — она хуже справляется
Вот что удивляет людей, когда они впервые пробуют этот способ. Автоматическая расшифровка не занимает больше времени из-за сложного звука. Обработка идёт примерно одинаково долго — что для одного чистого голоса в тихой комнате, что для троих спорящих по плохой телефонной связи. От сложности звука меняется качество результата, а не время его получения.
Тут одновременно и хорошая, и плохая новость. Хорошая — из-за плохих условий вы не будете ждать дольше: программа выдаёт результат в своём обычном темпе независимо от качества звука. Плохая — сэкономленное на этом этапе время никуда не исчезает, оно просто переносится на следующий этап, на то, сколько правки понадобится потом. Механизм, похожий на тот, что стоит за преобразованием аудио в текст, быстро вернёт вам готовый документ даже для двухчасового файла. А вот насколько этот документ близок к финальному или насколько тщательно его нужно перепроверять — зависит целиком от того, что попало в микрофон, а не от того, как программа с этим справилась.
Именно правка решает, каким будет ваш вечер
Это та цифра, которую никто не закладывает заранее, и именно она важнее всего. Текст, который вы делаете, чтобы потом в нём что-то найти — момент, где упомянули дату, или решение, которое приняли — почти не требует правки. Мелкие ошибки вы пропускаете взглядом, потому что примерно понимаете, что там должно быть написано. Для двухчасовой записи такая беглая проверка может занять минут двадцать — просмотреть и убедиться, что текстом можно пользоваться.
Текст, который вы собираетесь цитировать, публиковать или передать кому-то, кто не присутствовал при разговоре, — это совсем другая задача. Здесь нужно прослушать всё аудио целиком, предложение за предложением, потому что ошибка в цитате — это не то же самое, что ошибка в заметке для себя. Для двух часов исходного звука такая тщательная проверка занимает почти два часа вашего собственного времени, а иногда и больше, если материал насыщенный или технический.
Ошибки распределены по записи неравномерно, и это единственная по-настоящему хорошая новость здесь. Имена, специальные термины, цифры и моменты, когда говорят одновременно — вот где автоматика реально ошибается. Большая часть двухчасовой записи вернётся практически без проблем, а нескольким минутам — обычно там, где двое перебивают друг друга или кто-то быстро называет цифры — понадобится настоящее внимание. Если вы примерно знаете, где эти минуты находятся, можно идти прямо к ним, а не перечитывать документ от начала до конца. Прикинуть свои цифры заранее — на основе длины записи и того, для чего текст вам действительно нужен — через калькулятор времени расшифровки даёт план, который ближе к реальности, чем догадка до начала работы.
Разбивка файла не экономит время, но спасает вечер
Если разрезать двухчасовую запись на четыре получасовых куска перед расшифровкой, общая работа быстрее не станет. Арифметика из предыдущих разделов не меняется — вы всё равно расшифровываете два часа речи и правите всё, что нужно править, независимо от того, как нарезан файл. Меняется другое: можно ли прерывать работу.
Один целый двухчасовой файл — это фактически один подход за раз, потому что, открыв его позже, придётся снова искать нужное место в сплошной стене текста без естественных пауз. Четыре отдельных файла — это четыре подхода, и один можно закончить сегодня вечером, другой завтра, а остальные — на следующей неделе, не теряя из виду, где вы остановились. Для записи такой длины — а закончить всё за один раз реально мало кому под силу — эта возможность прерываться важнее любой выгоды от параллельной обработки кусков. Если вы собираетесь делать правку по-настоящему тщательно, планируйте растянуть её на несколько заходов, а не надеяться сесть один раз и закончить.
Приложение, которое обрабатывает весь файл сразу и не заставляет вас самостоятельно заниматься нарезкой, — вариант, о котором стоит знать. Приложение для расшифровки доступно через страницу загрузки для iOS, Android и macOS: оно принимает аудио, видео, записи или ссылку на YouTube и возвращает текст с метками говорящих, кратким содержанием и переводом на множество языков — один из вариантов среди описанных выше, а не способ обойти саму правку.
Что реально не решается автоматикой
Автоматическая расшифровка не знает имён ваших собеседников, если вы сами их не укажете. Она присваивает метку вместо имени, которое ей никак не угадать, и так остаётся, пока кто-то это не исправит. Она также не всегда точно распознаёт имя, написание которого никогда не встречала, термин из вашей узкой области или цифру, быстро произнесённую в середине стремительной фразы. Это именно те болевые точки, вокруг которых всегда строится правка, и никакая вычислительная мощность их не избегает.
Одновременную речь двух человек почти невозможно восстановить полностью, каким бы способом вы не пользовались. Когда двое говорят одновременно, и автоматика, и человек, печатающий вручную, что-то теряют — программа выбирает одну нить разговора и упускает вторую, а у человека та же проблема, только медленнее. Если в двухчасовой записи есть длинные участки с одновременной речью, закладывайте на них отдельное дополнительное время для правки и не ждите от любого из способов чистой расшифровки обоих голосов сразу.
Сама оценка в два часа — это отправная точка, а не гарантия. Запись с равномерным темпом, одним говорящим и знакомой терминологией пройдёт через все описанные здесь этапы быстрее, чем запись с тремя участниками, плохим микрофоном и темой, в которой вы не разбираетесь. Приведённая выше арифметика даёт план на вечер. Она не обещает, что вы закончите за один вечер.
