Головне
Спочатку шукайте транскрипт, а не навушники. WhatsApp уміє розшифровувати голосові повідомлення прямо на телефоні, якщо функцію увімкнено в налаштуваннях чату і завантажено мовний пакет, але чи є вона у вас узагалі — залежить від моделі телефону, версії операційної системи та мови. У Telegram це преміум-функція, і її якість сильно коливається залежно від мови. Обидва варіанти — лише допоміжний текст для читання. Якщо повідомлення потрібно зберегти, використати чи переслати, збережіть аудіо і розшифруйте його по-справжньому.
Голосове повідомлення завжди приходить у невдалий момент. Ви на четвертій хвилині зустрічі, стоїте у вагоні, де всі мовчать, або дитина нарешті заснула в сусідній кімнаті, і телефон навмисно поставлений на беззвучний режим. Хтось надіслав вам п’ятдесят вісім секунд мовлення — і жодного натяку на те, що там сказано.
Тут є два варіанти відповіді, і варто зрозуміти, який саме потрібен вам, перш ніж почати тицяти по екрану. Найчастіше вам просто треба зрозуміти суть прямо зараз, і телефон, можливо, уже здатен це зробити. Іноді ж повідомлення містить те, що знадобиться пізніше, — а це вже інша задача, яка потребує іншого інструменту.
Спочатку перевірте, чи транскрипт уже є
Перш ніж шукати щось інше, подивіться, чи додаток, у якому ви перебуваєте, сам покаже вам текст. І WhatsApp, і Telegram уміють це робити — за певних умов, і якщо ви саме в них опинилися, всю проблему можна вирішити за п’ять секунд.
Якщо нічого не з’явилося, не витрачайте час зустрічі на пошуки в меню. Або функція вам просто недоступна, або її потрібно налаштувати, а це не те, що варто робити однією рукою під столом. Пропустіть цей крок: вимкніть звук сповіщення і розберіться з цим пізніше.
Транскрипція WhatsApp — і чому її може не бути саме у вас
WhatsApp додав власну транскрипцію голосових повідомлень, і вона працює прямо на телефоні, а не на віддаленому сервері. Функцію потрібно увімкнути в налаштуваннях чату WhatsApp, і під час першого використання спочатку завантажується мовний пакет — тому найперший транскрипт з’являється повільніше за всі наступні.
Незручний момент — це доступність. Чи є ця функція у вас взагалі, залежить від моделі телефону, версії операційної системи та мови, яку потрібно розпізнати. Ці три фактори поєднуються так, що додаток нічого не пояснює. Колега може показати вам цю опцію на своєму екрані, а у вас її просто немає — і жодного повідомлення про причину додаток не покаже. Якщо ви подивилися в налаштуваннях чату і там цього немає — наразі це і є відповідь. Ви нічого не зробили неправильно.
Оскільки обробка відбувається на самому пристрої, транскрипт теж залишається на пристрої. Це добре для приватності і погано для всього іншого, що ви могли б захотіти зробити з цим текстом.
Telegram і мовна проблема
Telegram теж транскрибує голосові повідомлення, але це частина преміум-підписки. Без оплати цієї функції просто немає.
Якщо ж підписка є, будьте готові, що якість сильно залежить від мови повідомлення. Деякі мови розпізнаються настільки чисто, що текст можна швидко проглянути. Інші повертаються так, що сенс доводиться відновлювати з контексту, — а це повільніше, ніж просто прослухати. Дізнатися заздалегідь, до якої категорії потрапить ваша мова, немає способу — хіба що спробувати на повідомленні, яке можна ще й перевірити на слух, один раз, і подивитися, наскільки близько вийшло.
Читати тихіше, ніж слухати
На хвилину відкладіть точність убік. Є ще й соціальна причина віддавати перевагу тексту, яка взагалі не пов’язана з якістю розпізнавання.
Піднести телефон до вуха на зустрічі — це помітний жест. Так само помітно нахилити динамік чи непомітно витягти навушник з кишені. А погляд на текст на екрані — непомітний. Усі в кімнаті вже й так припускають, що ви час від часу дивитеся в телефон. Прочитати три рядки транскрипту вписується в це припущення; відтворення звуку — ні.
Те саме працює й у зворотному напрямку — у квартирі зі сплячою дитиною чи в спільному офісі, де звук чутно всюди. Транскрипт не потребує навушників, не потребує голосу і не змушує вас виходити з кімнати. Навіть неідеальний варіант зазвичай підказує, чи можна відкласти відповідь на годину.
Коли потрібно більше, ніж допоміжний текст
Вбудований транскрипт — це саме допоміжний текст для читання. Ви можете на нього подивитися. Але зазвичай ви не можете акуратно його експортувати, не можете знайти фразу, яку хтось сказав у голосовому ще в березні, шукаючи по всіх чатах, і не можете виправити слово, розпізнане неправильно, так, щоб виправлення залишилося. Це текст на екрані, а не документ, яким ви володієте.
Для більшості повідомлень цього достатньо. Хтось написав, що запізнюється. Ви прочитали, зрозуміли, пішли далі. Але деякі голосові несуть те, що знадобиться знову: адресу, рішення, набір інструкцій, ціну, про яку домовилися усно. Для таких випадків правильний хід — зберегти аудіо з чату і розшифрувати його по-справжньому, отримавши текстовий файл, створений з аудіо, який можна редагувати, шукати по ньому, вставити в лист і надіслати тому, хто в розмові не брав участі.
Саме цим займається застосунок для транскрипції SozAI: він перетворює аудіо- та відеофайли на текст із позначками мовців, короткими підсумками та перекладом на понад 99 мов, — і це важливо, коли голосове не тією мовою, на яку налаштований ваш телефон. Він працює на iOS, Android і macOS, тож зробити все це можна з того самого телефону, на який прийшло повідомлення. Кроків тут більше, ніж просто торкнутися транскрипту в чаті, і для повідомлення на кшталт «вже їду» це буде марною витратою часу.
Де ці транскрипти дають збій
Вбудована транскрипція найслабша саме там, де повідомлення варте прочитання. Імена спотворюються, особливо ті, яких телефон ще не зустрічав. Назви місць замінюються на звичайні слова, що звучать схоже. Числа розпізнаються ненадійно — і це справді небезпечно, бо неправильна цифра все одно читається як цілком правдоподібне речення, і нічого не сигналізує, що вона помилкова. Якщо в повідомленні є номер телефону, код від дверей, час рейсу чи сума грошей, ставтеся до транскрипту як до підказки і прослухайте цей фрагмент самостійно, коли зможете.
Друга стабільна слабкість — мова. Усе, що не є мовою самого телефону, розпізнається гірше, а повідомлення, де мова змінюється посеред фрази, — а це те, як насправді говорить багато людей, — зазвичай розпізнається найгірше з усього.
Для чого ці транскрипти справді хороші — це для швидкого сортування. Чи це термінове. Чи це про те, про що я думаю. Чи можна почекати, поки я вийду звідси. На ці питання вони відповідають добре, і відповідають мовчки, а це і є весь сенс, коли прослухати аудіо неможливо. Просто не дійте на основі конкретної деталі, яку ви лише прочитали, не почувши її, якщо помилка в цій деталі вам щось коштуватиме.
