Транскрибация нейросетью

Как нейросеть превращает запись в текст

Якубашка делит запись на куски по 20 минут и отдаёт их ИИ-модели. Модель получает сам звук, поэтому слышит паузы, смех и неразборчивые места и отмечает их в тексте. Потом отдельный проход по коротким образцам голосов сводит людей по всей записи, чтобы голос из первого куска не стал «новым человеком» в третьем.

1. 1Распознавание текста и голосов по кускам записи.
2. 2Сведение голосов по всей записи.
3. 3Шаг «Кто есть кто»: вы подписываете голоса ролями или именами.
4. 4Сборка таблицы, PDF, DOCX и сводки.

Где нейросеть ошибается чаще всего

Ошибается ИИ-расшифровка обычно в одних и тех же местах, и почти все они зависят от записи. Если знать эти места, часовую расшифровку не нужно переслушивать целиком: хватит проверить их.

Нейросеть или расшифровщик-человек

На тяжёлых записях человек-расшифровщик точнее: шумное кафе, пять человек перебивают друг друга, много профессионального жаргона. Но ждать его обычно дольше, и платить приходится поминутно.

На обычных разговорах двух-трёх человек с нормальным звуком выигрывает нейросеть: интервью, сессии, созвоны. Текст готов за минуты, и проверить его по типичным ошибкам недолго.

Что происходит с записью после расшифровки

• Запись хранится в закрытом хранилище без публичных ссылок.
• Запросы к ИИ-провайдеру помечены запретом на использование для обучения моделей.
• Исходное аудио удаляется через 14 дней после расшифровки.
• Текст хранится год и зашифрован в базе, за месяц до удаления приходит письмо.
• Удалить запись и текст раньше можно кнопкой на карточке.