Головні висновки
Перш ніж розшифровувати запис розмови, переконайтеся, що сам запис було зроблено законно в тій юрисдикції, де перебували учасники. У різних країнах різні правила — десь потрібна згода всіх сторін, десь достатньо згоди лише одного учасника, і це питання має бути закрите ще до того, як ви натиснули кнопку запису. Усе, що йде далі, — це вже технічна задача. Звук телефонної розмови вузькосмуговий: кодек відкидає саме ті деталі, на які спирається розшифровка, а багато записів змішують обидва голоси в один канал, через що визначити, хто саме говорить, стає складно. Найбільше страждають числа, написання імен та адреси. Перевіряйте їх за аудіо, а не покладайтеся на текст.
У вас є файл. Хтось на записі сказав щось важливе — цифру, дату, ім’я, обіцянку — і ви хочете отримати це у вигляді тексту, щоб потім можна було на нього посилатися. Перетворити файл на текст — найпростіша частина роботи. А от дві речі, які визначають, чи вийде щось, на що можна покластися, сталися ще до того, як ви відкрили файл: чи можна було цей запис робити взагалі, і як саме було записано звук.
Спершу — про юридичне питання. Воно не залежить від технічних деталей, і жодна, навіть найакуратніша розшифровка не врятує запис, який робити не можна було.
Спершу — законність запису
Чи можна записувати телефонну розмову, залежить від того, де перебували учасники розмови. У різних юрисдикціях це питання регулюється по-різному. Десь потрібна згода кожного учасника розмови. Десь достатньо, щоб згоду дав лише один — і це може бути та людина, яка й веде запис. Це справді різні правила, і яке з них стосується саме вашого випадку, з самого аудіо ви не з’ясуєте.
Це юридичне питання, а не технічне. І це важливіше, ніж може здатися, бо відповідь на нього була зафіксована ще в момент запису. Нічого з того, що ви робите потім, її не змінює. Розшифровка файлу нічого не змінює. Видалення частини файлу нічого не змінює. Навіть якщо інша сторона згодом погодиться на запис, це не робить оригінальний запис законним заднім числом.
Якщо на момент розмови ви й ваш співрозмовник перебували в різних місцях, можуть діяти одразу кілька наборів правил — і саме в такій ситуації варто спитати людину, яка справді розуміється на законодавстві там, де ви перебуваєте, а не гадати за тим, що прочитали в інтернеті. Це коротка розмова, і краще провести її до того, як ви щось будуєте на основі запису.
Усе це не причина відмовлятися від файлу, який у вас уже є. Багато записів розмов роблять із відома всіх сторін, або в місцях, де достатньо згоди одного учасника, або сама людина, яка була на розмові — для власних потреб. Але з’ясуйте це питання до того, як почнете поширювати розшифровку, цитувати її чи додавати кудись у документи. Текстова розшифровка розходиться значно далі, ніж аудіофайл, і набагато швидше.
Чому телефонну розмову важче розшифрувати, ніж запис у кімнаті
Телефонна розмова — це вузькосмуговий звук. Кодек, що передає розмову, відкидає значну частину звуку ще до того, як щось потрапляє у файл, бо йому достатньо зберегти лише те, що дозволяє людині стежити за розмовою в реальному часі. Люди дуже добре добудовують сенс із контексту. Розшифровка робить це гірше, а деталі, які їй потрібні, щоб відрізнити один звук від схожого на нього, — саме те, що кодек викинув.
Тому той самий голос, що вимовляє те саме речення, розшифровується точніше з диктофона на столі, ніж із телефонної лінії. Це не питання того, що програма в одному випадку краща, а в іншому гірша. Інформації просто немає у файлі розмови. Ніщо на подальших етапах її не відновлює — ні шумозаглушення, ні нормалізація голосності, ні прогін файлу через другий інструмент. Ви працюєте з тим, що вціліло після кодека.
Додайте до цього звичайні умови справжньої розмови — і стане ще гірше. Один співрозмовник іде вулицею. В іншого поганий зв’язок, і аудіо провалюється на частку секунди. Хтось говорить одночасно з іншим. У записі в кімнаті одночасна мова — це складно; у стисненому телефонному дзвінку це часто взагалі неможливо відновити, і розшифровка тихенько обере один голос, а другий просто відкине, замість того щоб повідомити, що не впоралася.
Запис розмови на диктофон через динамік телефону
Увімкнути громкий зв’язок і записувати розмову іншим телефоном чи окремим диктофоном здається зручним рішенням. Насправді це гірше, ніж оригінал. Голос із того боку розмови вже стиснуто до вузькосмугового звуку, а тепер ви записуєте цей стиснений звук, відтворений через маленький динамік, з відлунням від стін і всім іншим, що є в кімнаті. Ви зберігаєте всі втрати, які вніс кодек, і додаєте ще один шар зверху.
Якщо пристрій чи сервіс може записати розмову напряму — користуйтеся цим. Запис через громкий зв’язок — це крайній варіант, і варто пам’ятати, що це крайній варіант, перш ніж покладатися на нього в чомусь важливому.
Один канал чи два — від цього залежить, чи розділятимуться голоси
Багато записів розмов змішують обидві сторони розмови в один канал. Усе опиняється в одному потоці, і найнадійніша ознака для розрізнення двох людей — те, з якого боку лінії був кожен, — зникає. Залишаються самі голоси: висота, темп, тембр. Це працює краще, коли голоси помітно різні, і гірше, коли схожі, а на вузькосмуговому звуку — ще гірше, бо саме ті особливості голосу, які дозволили б їх розрізнити, кодек і відкинув.
Коли обидві сторони збережені як окремі канали, визначення того, хто говорить, стає значно надійнішим. Кожен канал — це одна людина, і жодних припущень тут не потрібно. Якщо у вашому інструменті для запису є такий вибір — це та опція, яку варто знайти, і краще знайти її до розмови, а не після.
Якщо ви працюєте зі змішаним записом, ставтеся до підписів спікерів як до обґрунтованого припущення, а не факту. На довгій безперервній ділянці вони, зазвичай, правильні, а на переходах — де люди перебивають одне одного — часто помиляються. Якщо мета розшифровки — з’ясувати, хто на що погодився, то саме моменти перебивань — це там, де точність потрібна найбільше, тож перевіряйте ці місця за аудіо.
Як дістати текст із файлу
Щойно запис розмови експортовано, він перестає бути записом розмови. Це звичайний аудіофайл, і його можна розшифрувати так само, як будь-який інший. Крок з експортом відрізняється: у різних застосунків для запису, телефонних систем та операторів свій підхід, і потрібна опція зазвичай ховається під кнопкою «поділитися» чи меню з трьома крапками прямо на самому записі. Спочатку дістаньте файл, а потім перестаньте думати про нього як про телефонну розмову й почніть думати про нього як про аудіо.
Далі процес такий самий, як і для будь-якого аудіофайлу, який ви хочете перетворити на текст. SozAI розшифровує записи на iOS, Android і macOS, із підписами спікерів, короткими переказами (summaries) та перекладом на понад 99 мов; завантажити застосунок можна тут, і той самий підхід працює й для голосових повідомлень, які через ту саму причину вузькосмугові й ведуть себе так само. Це лише один із варіантів, і сам вибір інструменту важить менше, ніж якість файлу, який ви йому даєте.
Якщо йдеться не про одну розмову, а про цілу папку записів, що накопичилися за кілька місяців, задача стає іншою. Розшифровувати все підряд, щоб знайти одне речення, — зазвичай не найкращий інстинкт. Корисніша мета — навчитися шукати в накопичених записах розмов, а не перечитувати їх.
Якщо запис може стати доказом
До запису, зробленого, щоб самому нагадати собі, про що йшлося, і до запису, який використовують як доказ, застосовуються різні вимоги. Для власних потреб розшифровка з дрібними неточностями — це нормально; ви й самі пам’ятаєте, що відбувалося, а текст лише допомагає згадати. А от для чогось офіційного оригінальний файл, як правило, потрібно зберегти без жодних змін.
Це означає — зберігати файл точно таким, яким він вийшов із пристрою. Не обрізайте тишу на початку. Не видаляйте неважливу середину. Не переекспортовуйте його в інший формат, щоб зробити менше, і не проганяйте через інструмент, який нормалізує голосність і записує новий файл. Будь-яка з цих дій створює похідний файл, а вагу має саме оригінал. Працюйте з копією, а оригінал не чіпайте.
У такому контексті розшифровка — це робочий документ, який супроводжує запис, а не замінює його. Вона допомагає людям знайти потрібні тридцять секунд. А те, що ці тридцять секунд насправді означають, показує сам запис. Питання, чи прийнятний запис як доказ узагалі, — окреме, і його варто задати тій самій людині, яку ви питали про законність самого запису.
Що доведеться перевіряти вручну
Найчастіше людям потрібні саме числа, написання імен та адреси з розмови — номер рахунку, сума, як пишеться прізвище, яка вулиця. І це водночас те, що вузькосмуговий звук пошкоджує найбільше, бо в цих деталях немає контексту, з якого можна щось відновити. Ціле речення можна відтворити за словами навколо нього. Семизначний номер — ні. Якщо там неправильна цифра, ніщо в навколишньому аудіо на це не вкаже, і розшифровка подасть цю цифру з тією ж самою впевненістю, що й усе інше.
Тож ставтеся до кожного числа, імені й адреси в розшифровці розмови як до того, що потрібно перевірити, а не використовувати відразу. Знайдіть це місце в тексті, перейдіть до відповідного моменту в аудіо, прослухайте. Це займає хвилину на кожен пункт, і саме це відрізняє розшифровку, на яку можна діяти, від тієї, яка просто виглядає правдоподібно. Якщо деталь настільки важлива, що помилка в ній вам щось коштуватиме, — це і є критерій того, що її треба перевірити.
Відповідно й вибудовуйте очікування щодо решти тексту. Розшифровка телефонної розмови, як правило, добре передає суть — структуру розмови, що пропонували, що прийняли, тон незгоди. Але вона гірше передає точні деталі, і ще гірше — там, де двоє говорять одночасно або де зв’язок обірвався. Уміння розрізняти, чому можна довіряти, а чому ні, — це основна навичка тут. Розшифровка дає вам швидку, придатну для пошуку версію розмови й спосіб повернутися в аудіо саме до потрібної секунди. Вона не замінює аудіо, і на вузькосмуговому файлі так ніколи й не могла.
