Нейросети продолжают бурно развиваться, проникая во все новые сферы жизни. Многие функции являются действительно полезными, например, перевод аудио в текст. Можно не только быстро надиктовать список покупок, но и обработать длинную лекцию для удобного редактирования в дальнейшем.
Далее будут рассмотрены сервисы данного типа, их особенности, преимущества и недостатки.
Google Keep
Популярность во многом обусловлена массовостью – инструмент предустановлен на многих Android-смартфонах. Изначально утилита предназначена для быстрого создания и удобного хранения заметок, но предусмотрена функция распознавания речи для сохранения в текстовом формате. Однако практика показывает, что данный режим пока работает достаточно плохо.
В частности, полностью игнорируются знаки препинания и особенности интонации. Для обработки полноценных интервью программа также не подходит, поскольку работа принудительно прерывается после паузы в 2-3 секунды.
SpeechText.ai
Это уже сервис, специально разработанный для преобразования речи в текст. Хорошо распознается интонация, что позволяет разбивать текст на отдельные предложения и расставлять знаки препинания в нужных местах. Хорошо распознаются вопросы. В качестве недостатка можно указать редкие грамматические ошибки, однако они не осложняют чтение результата и при необходимости их можно быстро исправить на этапе конечной проверки результата.
Важная особенность – SpeechText.ai не предоставляет возможности именно надиктовать текст, в качестве входных данных можно использовать только готовый аудиофайл. Также есть ограничение для бесплатной версии – общая длительность одного файла не более 20 минут, хотя для многих повседневных задач этого вполне достаточно.
ВКонтакте
В мобильном клиенте популярной социальной сети также предусмотрен модуль распознавания речи, данная функция много лет пользуется популярностью. Изначально она была предназначена для быстрого распознавания сообщения, присланных через мессенджер другим пользователем. Однако ничто не мешает надиктовать нужный текст и просто отправить его самому себе. Это позволяет быстро составить перечень важных дел, наметить план реферата по пути в институт, придумать оригинальное поздравление и так далее.
Однако при более детальном изучении возможностей приложения оказалось, что алгоритм распознавания также функционирует не идеально. Часто некорректно расставляются препинания, добавляются слова, похожие по произношению. Для повседневных задач это не критично, однако для профессиональной сферы и сложных текстов лучше обратить внимание на другие решения.
SaluteSpeech
Полноценные сервисы распознавания голоса активно появляются и в Telegram, что ожидаемо в силу популярности данной платформы. В числе самых популярных – бот SaluteSpeech от специалистов Сбера. Можно загружать готовые файлы и диктовать текст в реальном времени.
Однако и в этом случае есть ряд ограничений. Размера файла не может превышать 20 Мбайт, поддерживается только формат MP3. Напомним, для Android-диктофонов более распространен формат AAC, что осложняет обмен данными между такими программами.
Работа профессиональной команды сказалась на качестве распознавания – оно заметно выше, чем у аналогичных сервисов. Ошибки встречаются достаточно редко, при этом они по очевидным причинам неизбежны. На процесс транскрибации влияет большое количество факторов, включая особенности дикции и внешние помехи.
Выбор лучшего сервиса
С учетом выявленных особенностей на первое место можно поставить сервис SaluteSpeech, поскольку качество обработки является важным аспектом. На втором месте SpeechText.ai – он не уступает по качеству, но является платным.
Google Keep и ВКонтакте заметно отстают от первой двойки. Заметно больше некорректных распознаваний, хуже ситуация с запятыми и распознаванием интонации. Однако это оправданно, поскольку они изначально предназначены для других задач. Они вполне подходят для расшифровки простых сообщений в чате, наброска списка важных дел и так далее.
Делитесь, удобно ли пользоваться подобными программами?