Обзор сервисов автоматической транскрибации (стенографирования)

В условиях растущей потребности в быстром и точном преобразовании аудио- и видеозаписей в текст, специализированные платформы автотранскрибации становятся важным инструментом в работе исследовательских, журналистских, академических и корпоративных команд. Компанией ResearchView был проведен анализ сервисов автотранскрибации на русском языке с целью оценки их функционала и качества расшифровки.

В рамках данного обзора мы сравнили пять специализированных платформ, ориентированных на транскрибирование разговорной речи: Any2Text, Speech2Text, Teamlogs, WordVoice и Писец. В обзор не были включены универсальные платформы для преобразования разговорной речи в текст от таких компаний как Яндекс, Google, МТС и др. по следующим причинам:

1. Они не предназначены под транскрибирования длительной речи (более 1 часа) с участием нескольких спикеров (2, 5, 8 и более);
2. Они не поддерживают функции, важные для профессиональной и точной транскрибации аудиозаписей (например, экспорт с форматированием, разделение текста на спикеров, редактирование в личном кабинете по тайм-кодам и пр.);
3. Для работы с ними в удобном формате требуется дополнительная доработка и интеграция файлов.

Рассматриваемые платформы оценивались по нескольким критериям: стоимости расшифровки, качеству распознавания речи, возможности разделения на спикеров, возможности редактирования текста в личном кабинете, наличия тайм-кодов, форматам импорта и экспорта файлов и др. Подробная таблица представлена ниже.

Ниже представлено более подробное описание преимуществ и недостатков каждого сервиса автотранскрибации, которые мы отметили в ходе тестирования.

Any2Text

Преимущества:

• Поддерживает более 100 форматов для перевода аудио- и видеофайлов в текст;
• Определяет язык текста автоматически – распознаёт более 50 языков;
• Выделяет английские слова в русской речи;
• Сохраняет текст в 4-х форматах: txt, docs, xls, srt;
• Исправляет некоторые ошибки, допущенные в речи говорящего (оговорки или неправильное согласование).

Недостатки:

• Часто допускает ошибки в словах, неправильно их распознаёт (например, «общество знания» вместо «обществознание»; «узы» вместо «вузы» и т.д.);
• Не выгружает текст без обозначения спикеров и с необходимым форматированием;
• Не позволяет редактировать текст в ЛК;
• Не проставляет тайм-коды;
• Отсутствует интерактивный плеер;
• Не всегда правильно определяет спикеров.

Speech2Text

Преимущества:

• Проставляет тайм-коды в ЛК – можно на них нажать и прослушать текст от необходимого момента;
• Позволяет сохранять текст в форматах docs и srt;
• Разделяет текст на спикеров;
• Распознает более 20 языков;
• Позволяет добавлять аккаунты сотрудников, которые могут расходовать общий тариф минут.

Недостатки:

• Не позволяет редактировать текст в ЛК;
• Не всегда корректно распознаёт спикеров, может слова одного отнести к другому;
• Допускает пунктуационные, реже орфографические ошибки. В некоторых фрагментах текста полностью пропускает знаки препинания;
• Не всегда правильно распознает русские аббревиатуры и английские слова;
• Не выгружает текст с необходимым форматированием.

Teamlogs

Преимущества:

• Распознает 78 языков;
• Имеет интерактивный плеер – можно прослушать аудио с необходимого момента, нажав на слово в тексте;
• Выгружает файл с настраиваемым форматированием;
• Хорошо распознает спикеров;
• Позволяет редактировать файл в ЛК несколькими пользователями;
• Предоставляет общий аккаунт для компании с включением разных пользователей.
• Позволяет создавать и выгружать: резюме бесед, ответы на вопросы и пр.

Недостатки:

• Иногда вставляет фразы, которых не было в аудиозаписи («спасибо за субтитры…»);
• Иногда допускает орфографические и пунктуационные ошибки;
• Не всегда правильно распознаёт слова;
• Иногда относит реплики не к тем спикерам, кто их произнес.

WordVoice

Преимущества:

• Позволяет редактировать преобразованный текст в ЛК сервиса;
• Проставляет тайм-коды в ЛК;
• Не допускает ошибок в пунктуации.

Недостатки:

• Не разделяет текст на спикеров;
• Выгружает файлы только в формате txt;
• Иногда не распознаёт отдельные слова, названия, аббревиатуры, английские слова.
• Дробит каждую фразу на отдельные абзацы.
• Вставляет фразы, которых не было в речи;
• Не выгружает текст в необходимом форматировании.

Писец

Преимущества:

• Сохраняет текст в формате docs;
• Поддерживает множество форматов файлов.

Недостатки:

• Не выгружает текст с необходимым предварительным форматированием: нельзя убрать тайм-коды и обозначения спикеров при выгрузке, кроме того, нельзя поменять названия спикеров (выгружается с Винни-Пухом и Пятачком);
• Не всегда корректно распознаёт спикеров, может слова одного относить к другому;
• Делит монолог одного спикера на отдельные реплики или абзацы;
• Иногда плохо распознает некоторые слова: дробит на части, пропускает буквы;
• Часто допускает ошибки в пунктуации;
• Не позволяет редактировать текст в ЛК;
• Не проставляет тайм-коды;
• Отсутствует интерактивный плеер.

В заключение хочется отметить, что каждая платформа имеет свои преимущества и недостатки, и конкретный пользователь имеет возможность подобрать решение, максимально отвечающее его потребностям. Надеемся, наш обзор будет вам полезен.