Расшифровка голосовых сообщений WhatsApp в текст

Почему сообщение стоит прочитать, а не слушать

Трёхминутное голосовое сообщение содержит около 400 слов. Прослушать его — три минуты, прочитать — сорок секунд, и текст можно искать, цитировать и переслать только ту одну фразу, которая нужна. WhatsApp показывает расшифровку для некоторых сообщений на некоторых телефонах, но не для всех языков, не для пересланных сообщений и никогда — для файла, который просто лежит в разделе «Файлы». Эта страница берёт экспортированный файл и превращает его в слова.

Откуда берётся файл

WhatsApp хранит голосовые сообщения в формате Opus внутри контейнера Ogg, поэтому экспортированный файл имеет расширение .opus. На Android зажмите сообщение, выберите «Поделиться» и сохраните файл в «Файлы» или отправьте на компьютер; оригиналы также лежат в папке WhatsApp/Media/WhatsApp Voice Notes/. На iPhone зажмите сообщение, нажмите «Переслать», затем значок «Поделиться», затем «Сохранить в Файлы». В обоих случаях файл крошечный — минута речи весит примерно 100–200 КБ, — так что загрузка занимает секунду.

Что происходит, когда вы загружаете файл сюда

Сначала файл читает ваш браузер. Если запись длиннее 5 минут, браузер сам оставляет только первые 5 минут и перекодирует этот отрывок в моно WAV с частотой 16 кГц, так что остальная часть записи никуда не отправляется. Затем аудио передаётся по зашифрованному соединению в тот же движок распознавания, который работает в приложении SozAI, — на базе AssemblyAI. Язык определяется автоматически среди 99 языков, так что и сообщение от родственника на португальском, и голосовое от коллеги на немецком возвращаются на том языке, на котором были произнесены. Когда расшифровка появляется на экране, аудио и текст удаляются на стороне провайдера — на этом сайте ничего не хранится.

Форматы и ограничения

• Принимаются: OPUS/OGG, MP3, M4A, WAV, AAC, FLAC, WEBM, до 25 МБ.
• Длина предпросмотра: первые 5 минут каждого файла.
• Три предпросмотра на устройство в день; без регистрации, без карты.
• На iPhone Safari не умеет декодировать Opus самостоятельно, поэтому необрезанный файл отправляется целиком и обрезается до 5 минут уже на сервере. Голосовые сообщения настолько малы, что это ни на что не влияет.

Когда предпросмотра недостаточно

Одно голосовое сообщение спокойно укладывается в 5 минут. А вот сорок сообщений из группового чата подряд или двадцатиминутный монолог, который друг прислал в полночь, — уже нет. В приложении SozAI ограничения по времени нет: перешлите сообщение прямо из WhatsApp в SozAI на iPhone или Android, и расшифровка попадёт в библиотеку с поиском, кратким содержанием и, если нужно, переводом. Первые 30 минут — бесплатно.