Главное
Прежде чем расшифровывать запись звонка, убедитесь, что запись была законной в том месте, где находились собеседники. Законы разных стран по-разному отвечают на вопрос, нужно ли согласие всех участников разговора или достаточно согласия одного, — и этот вопрос был решён ещё до того, как вы нажали кнопку записи. Дальше начинается чисто техническая история. Звук телефонного разговора узкополосный: кодек отбрасывает именно те детали, на которые опирается распознавание речи, а многие записи сводят обе стороны разговора в один канал, из-за чего определить, кто именно говорит, становится ненадёжно. Больше всего страдают цифры, написание имён и адреса. Их стоит перепроверять по звуку, а не доверять готовому тексту.
У вас есть файл. Кто-то на записи сказал что-то важное — цифру, дату, имя, обещание — и вам нужен текст, чтобы потом можно было на него сослаться. Превратить файл в текст — самая простая часть задачи. А вот два фактора, которые определяют, можно ли доверять результату, сработали ещё до того, как вы открыли файл: было ли законно делать эту запись и как именно был записан звук.
Начнём с юридической стороны вопроса. Она никак не связана с техникой, и никакая аккуратная расшифровка не спасёт запись, которую вообще не следовало делать.
Сначала — вопрос законности записи
Разрешена ли запись телефонного разговора, зависит от того, где находились участники звонка. Законодательство в этом вопросе отличается: где-то требуется согласие всех участников разговора, а где-то достаточно согласия одного — и этим одним может быть тот, кто и делает запись. Это принципиально разные правила, и понять, какое из них применимо в вашем случае, невозможно, просто прослушав аудио.
Это юридический вопрос, а не технический. И это важнее, чем кажется на первый взгляд: ответ на него был зафиксирован в момент записи разговора. Ничто из того, что вы делаете потом, этого не меняет. Расшифровка файла ничего не меняет. Удаление части файла ничего не меняет. Если собеседник задним числом соглашается на запись, это не превращает изначальный факт записи в нечто другое — прошлое не переписывается.
Если собеседники находились в разных местах, могут применяться сразу несколько наборов правил — и это ровно та ситуация, когда стоит спросить человека, который действительно разбирается в законодательстве вашей страны, а не гадать по прочитанному где-то тексту. Это короткий разговор, и его нужно провести до того, как вы построите на этой записи что-то более серьёзное.
Всё это не повод выбрасывать файл, который у вас уже есть. Огромное количество записей делается с ведома всех участников, или в регионах, где достаточно согласия одной стороны, или самим участником звонка — просто для себя, для памяти. Но разберитесь с этим вопросом до того, как начнёте распространять расшифровку, цитировать её или прикладывать к чему-либо. Текстовая расшифровка расходится намного шире аудиофайла — и намного быстрее.
Почему звук звонка сложнее, чем запись, сделанная в комнате
Телефонный звонок передаётся узкополосным звуком. Кодек, который его несёт, выбрасывает значительную часть звуковой информации ещё до того, как что-либо попадает в файл, — ему достаточно сохранить ровно столько, чтобы человек мог следить за разговором в реальном времени. Люди отлично восстанавливают пропущенное по контексту. У систем распознавания речи это получается заметно хуже, а деталей, по которым можно отличить один похожий звук от другого, кодек не сохраняет — именно они и отбрасываются первыми.
Вот почему одна и та же фраза, произнесённая одним и тем же человеком, распознаётся точнее с диктофона, лежащего на столе, чем с телефонной линии. Дело не в том, что программа в одном случае работает лучше, а в другом хуже. Информации просто нет в файле звонка. Никакая обработка потом её не вернёт — ни шумоподавление, ни нормализация громкости, ни повторный прогон через другой инструмент. Вы работаете с тем, что уцелело после кодека, и не более того.
Добавьте к этому обычные условия реального разговора — и станет ещё хуже. Один собеседник идёт по улице. У другого плохая связь, и звук пропадает слогами. Кто-то перебивает кого-то. В записи, сделанной в помещении, наложение голосов и так создаёт сложности; в сжатом звонке оно часто оказывается вообще невосстановимым — и расшифровка молча выберет один голос, отбросив второй, вместо того чтобы честно сказать, что не справилась.
Запись громкой связи на второе устройство
Включить громкую связь и записать разговор на другой телефон или диктофон кажется удобным обходным путём. На деле результат хуже исходника. Голос собеседника на другом конце уже сжат до узкополосного звука, а теперь вы записываете этот сжатый звук, проигранный через маленький динамик, отражённый от стен, вместе с эхом комнаты и всеми посторонними звуками вокруг. Вы сохраняете все потери, которые внёс кодек, и добавляете к ним новый слой искажений.
Если устройство или сервис может записать звонок напрямую — используйте этот вариант. Запись через громкую связь — крайний случай, и об этом стоит помнить, прежде чем полагаться на такую запись в чём-то, требующем точности.
Один канал или два: от этого зависит, различит ли программа собеседников
Многие записи звонков сводят обе стороны разговора в один канал. Всё оказывается в одном потоке, и самый надёжный признак, по которому можно различить собеседников, — с какой стороны линии кто говорил, — теряется. Остаются только сами голоса: высота, темп речи, тембр. С двумя непохожими голосами это работает лучше, с похожими — хуже, а на узкополосном звуке — хуже вообще, потому что именно те особенности голоса, по которым можно было бы их различить, кодек и отбрасывает.
Если обе стороны разговора записаны в отдельные каналы, определить, кто говорит, получается намного точнее. Один канал — один человек, никаких догадок. Если ваша программа для записи позволяет выбрать такой режим, найдите эту настройку — и сделайте это до звонка, а не после.
Если у вас запись со сведёнными каналами, относитесь к меткам говорящих как к разумному предположению, а не к факту. На длинных непрерывных отрезках речи они обычно верны, а вот в местах смены говорящего — особенно там, где собеседники перебивают друг друга, — часто ошибаются. Если цель расшифровки — понять, кто и с чем именно согласился, то именно моменты смены реплик и должны быть точными, так что стоит перепроверить их по звуку.
Как получить текст из файла
Как только запись звонка экспортирована, она перестаёт быть «звонком» и становится обычным аудиофайлом, который можно расшифровать так же, как любой другой. Способ экспорта зависит от приложения для записи, телефонной системы или оператора связи — обычно нужная функция скрывается под кнопкой «Поделиться» или в меню из трёх точек прямо на записи. Сначала извлеките файл, а дальше воспринимайте его не как телефонный разговор, а просто как аудио.
Дальше всё происходит так же, как с любым другим аудиофайлом, который нужно перевести в текст. SozAI расшифровывает записи на iOS, Android и macOS, расставляет метки говорящих, делает краткие содержания и переводит на 99+ языков; скачать приложение можно здесь, и тот же путь подходит для голосовых сообщений на автоответчике — они узкополосные по той же причине и ведут себя так же. Это лишь один из вариантов, и выбор инструмента значит меньше, чем качество файла, который вы в него загружаете.
Если речь не об одном звонке, а о целой папке записей, накопившихся за месяцы, задача меняется. Расшифровывать всё подряд, чтобы найти одну нужную фразу, — обычно неверный подход: полезнее не читать весь массив записей, а получить возможность искать по накопленным записям звонков.
Если запись может стать доказательством
Запись, сделанная просто для памяти, и запись, которая может стать доказательством, — это разные ситуации с разными требованиями. Для личных целей расшифровка с небольшими неточностями вполне подходит: вы сами знаете, что произошло, а текст — просто подсказка для памяти. Для чего-то официального исходный файл, как правило, должен сохраняться без каких-либо изменений.
Это значит хранить файл ровно в том виде, в котором он вышел с устройства. Не обрезайте паузу в начале. Не вырезайте «неважную» середину. Не пересохраняйте его в другом формате, чтобы уменьшить размер, и не пропускайте через инструмент, который нормализует громкость и создаёт новый файл. Любое из этих действий даёт производную версию, а вес имеет именно оригинал. Работайте с копией, а исходный файл не трогайте.
В такой ситуации расшифровка — это рабочий документ, который существует рядом с записью, а не заменяет её. Она помогает быстро найти нужные тридцать секунд. А что именно сказано в эти тридцать секунд, определяет только сама запись. Вопрос о том, может ли запись вообще быть принята как доказательство, — отдельный, и его нужно задать тому же специалисту, к которому вы обращались по поводу законности самой записи.
Что придётся проверять вручную
Чаще всего людям потом нужны именно цифры, написание имён и адреса — номер счёта, сумма, как пишется фамилия, какая улица. И это ровно те части разговора, которые узкополосный звук повреждает больше всего, потому что у них нет контекста, за который можно зацепиться. Целую фразу можно восстановить по соседним словам. Семизначное число — нельзя. Если одна цифра распознана неверно, ничто в окружающем звуке не подаёт сигнал об ошибке, и расшифровка выдаст её с той же уверенностью, что и всё остальное.
Поэтому относитесь к каждой цифре, имени и адресу в расшифровке звонка как к тому, что нужно перепроверить, а не как к готовому факту. Найдите это место в тексте, перейдите к этому моменту в аудио, прослушайте. На одну проверку уходит около минуты, но именно это отличает расшифровку, на которую можно опереться, от расшифровки, которая просто звучит правдоподобно. Критерий простой: если ошибка в этой детали будет вам стоить чего-то, деталь нужно проверить.
Всё остальное имеет смысл оценивать соответственно. Расшифровка телефонного разговора, как правило, хорошо передаёт суть — общую картину разговора, что предлагалось, что было принято, тон спора. А вот с точными деталями она справляется хуже, и ещё хуже — там, где собеседники говорили одновременно или связь прерывалась. Умение понять, каким частям текста можно доверять, и есть главный навык здесь. Расшифровка даёт быстрый и удобный для поиска вариант разговора и способ мгновенно вернуться к нужной секунде в аудио. Она не заменяет запись — да на узкополосном файле и не могла бы.
