Аудиофайл в текст онлайн — это загрузка готовой записи (не голоса «вживую» и не переписки) и получение транскрипта: текста с пунктуацией, спикерами и таймкодами. На практике у пользователей возникает два вопроса: «поймёт ли сервис мой формат» и «за сколько минут мне придётся заплатить». Обе темы разберём подробно: какие форматы аудио подходят для распознавания, чем WAV отличается от MP3 и M4A, как считается длительность и почему двухчасовая «встреча» и двухчасовой «подкаст с рекламой» тарифицируются одинаково.
С чего начинается перевод аудиофайла в текст
Рабочий цикл состоит из пяти действий:
- Найти файл записи: диктофонное приложение, экспорт из конференц-платформы, папка «Загрузки», карта памяти рекордера.
- Проверить длительность и размер: час речи в MP3 — десятки мегабайт, в WAV — сотни.
- Загрузить файл в личный кабинет и дождаться AI-расшифровки.
- Вычитать текст: имена, суммы, термины, начало и конец реплик спикеров.
- Экспортировать в TXT, DOCX, PDF или SRT и отправить туда, где текст будет полезен.
Ничего устанавливать не нужно, и заранее перекодировать файл «в другой формат» тоже не требуется: распространённые форматы принимаются как есть.
Форматы аудио для распознавания: что принимает сервис
Для транскрибации пригодны форматы, в которых записывается человеческая речь:
| Формат | Где встречается | Что важно для распознавания |
|---|---|---|
| MP3 | Диктофоны смартфонов, Olympus, Sony, экспорт из редакторов | Сжатие с потерями: ниже 96 kbps — больше ошибок в согласных |
| WAV | Профессиональные рекордеры, экспорты аудиоредакторов, скайп-записи | Лучшее качество, но большой размер файла и трафик |
| M4A / AAC | iPhone Voice Memos, Android-приложения, экспорты видео | Компактный и качественный; иногда «зашит» в контейнер видео |
| OGG / Opus | Мессенджеры, Linux-приложения, веб-диктофоны | Сильное сжатие речи; полезно прослушать начало перед заказом полного файла |
| FLAC | Архивы записей, FLAC-режимы рекордеров | Без потерь — один из лучших входов для распознавания |
| MP4 / MOV / WebM | Видео с телефона, Zoom, вебинары, YouTube-загрузки | Берётся аудиодорожка: видео можно не перекодировать |
Какой формат выбрать, если запись ещё впереди
- Есть выбор: WAV или FLAC 44,1/48 kHz — максимум информации для модели.
- Нужна компактность: MP3 128–192 kbps или M4A — практический оптимум для часа речи.
- Запись идёт «как есть» из мессенджера: примите качество как данность и оцените его на бесплатных 10 минутах.
Перекодировать WAV в MP3 «чтобы ускорить обработку» не стоит: скорость распознавания определяется не размером файла, а длительностью и загруженностью очереди, а качество после второго сжатия только падает.
Когда файл не загружается
Типовые причины: редкий кодек, запись без аудиодорожки, «повреждённый» файл после обрыва связи, слишком большая длительность одного файла. Практические шаги:
- откройте файл в обычном плеере — если не играет, проблема в контейнере, а не в сервисе;
- экспортируйте запись заново из приложения диктофона или конференц-платформы;
- разрежьте очень длинную запись на логические части (по блокам встречи, по парам лекций) — с ними удобнее работать и проще перепроверять;
- если остаются сомнения — загрузите короткий фрагмент и посмотрите, что ответит система.
Как насчитать минуты: из чего складывается оплата
Тариф в транскрибации всегда привязан ко времени, а не к количеству файлов или слов. Разберём по пунктам, чтобы не было сюрпризов в счёте.
Считается длительность аудио, а не объём
60-минутная запись оплачивается как 60 минут — независимо от того, весит файл 55 МБ в MP3 или 600 МБ в WAV. Формат влияет на точность, но не на цену.
Тишина тоже входит в длительность
Перерывы, технические паузы, опоздания участников, пять минут «микрофон забыли выключить» — всё это минуты записи. Если в двухчасовой встрече полезных 70 минут, а 50 — молчание и технические паузы, выгоднее предварительно нарезать файл на смысловые фрагменты: перерывы и перекуры в транскрипте не нужны.
Скорость воспроизведения не обманывает сервис
Прослушивание на 1,5× ускоряет вашу работу, но не меняет длительность файла в счёте. Для экономии работает только реальное сокращение записи или отказ от обработки пустых фрагментов.
Несколько файлов и много спикеров
Каждый загруженный файл считается по своей длительности: три записи по 20 минут — это 60 минут, а не «три задачи». Диаризация (разделение по спикерам) и таймкоды в AI-расшифровке помогают разобраться в потоке реплик без ручной разметки «кто что сказал».
Примеры расчёта
| Запись | Длительность | Стоимость AI-расшифровки |
|---|---|---|
| Совещание в переговорной | 45 мин | от 90 ₽ |
| Интервью для статьи | 1 ч 20 мин | от 160 ₽ |
| Лекция в двух потоках (2 файла) | 2 × 50 мин | от 200 ₽ |
| Подкаст с музыкой и заставками | 2 ч | от 240 ₽ (выгоднее нарезать без заставок) |
Ставка — от 2 ₽/мин, а первые 10 минут бесплатно идут на проверку качества вашего файла. Пакеты минут для длинных записей обходятся выгоднее посекундной оплаты: актуальные ставки и пакеты — на странице тарифов.
Как подготовить аудиофайл перед загрузкой
- Переименуйте файл понятно: «2026-10-15 совет директоров.mp3» — имя проще вспомнить, чем «REC_0043».
- Удалите заставку и рекламные вставки, если они занимают заметное время.
- Протестируйте спорное место на коротком фрагменте — так вы заранее узнаете, хватит ли AI-расшифровки или нужна ручная.
- Подготовьте контекст: список участников, фамилии, названия, ключевые термины. Это ускоряет и правку, и работу редактора.
- Проверьте согласование на запись: участники должны знать, что разговор фиксируется.
Что делать с текстом после распознавания
- Черновик стенограммы совещания — правите реплики, расставляйте задачи, отправляйте участникам; удобно в DOCX с комментариями.
- Конспект учёбы — транскрипт лекции + саммари, по таймкодам возвращаетесь к сложным местам.
- Материал для публикации — цитаты сверяются дословно, для финала берите ручную расшифровку.
- Субтитры — экспорт SRT для видеоверсии записи.
- Архив и поиск — PDF и TXT легко индексируются, в отличие от аудио.
Хранение и персональные данные
Аудиофайл часто содержит больше, чем планировалось: фамилии, обсуждение клиентов, медицинские детали, внутренние суммы. Держите в голове три правила:
- загружайте только те записи, на обработку которых есть основание — согласие участников или служебная необходимость;
- выбирайте сервис, который обрабатывает аудио в России и не передаёт записи сторонним облачным ASR-сервисам: так работает SlovoMol, и это ключевой момент для соответствия 152-ФЗ;
- после экспорта удаляйте исходники из кабинета, если они не нужны для повторной сверки.
Часто задаваемые вопросы
Какой формат аудио лучше для распознавания речи?
Несжатый WAV или FLAC с хорошей записью. Если важна компактность — MP3 128 kbps и выше или M4A. Плохая запись в «лучшем» формате всё равно даст много правок, поэтому в первую очередь следите за микрофоном и шумом.
Можно ли загрузить видеофайл, а не отдельный аудиофайл?
Да: из MP4, MOV или WebM извлекается аудиодорожка, а текст можно выгрузить и как транскрипт, и как субтитры SRT.
Как сервис узнаёт длительность файла?
По метаданным и фактической продолжительности аудиодорожки. Если у файла «битые» метаданные, система считает по декодированному звуку — потому итог совпадает с тем, что вы слышите в плеере.
Сколько минут в часовой записи с перерывом?
Столько, сколько звучит файл: перерыв внутри одного файла — тоже минуты записи. Именно поэтому длинные встречи выгодно резать на смысловые части.
Что быстрее: один длинный файл или несколько коротких?
Для вас удобнее вариант с понятными границами: короткие файлы проще проверять, а ошибки в одном не «тянут» за собой остальные. Итоговая стоимость одинакова — считается длительность.
Можно ли бесплатно проверить распознавание своего формата?
Да, первые 10 минут AI-расшифровки бесплатны после входа в кабинет. Это полноценная обработка с экспортом, а не урезанное демо.
Загрузите файл и посмотрите на текст
Практический тест любого аудиофайла — 10 бесплатных минут: загрузите запись на slovomol.com, получите транскрипт с таймкодами и спикерами, выгрузите DOCX или SRT. Если формат не поддерживается, система сообщит об этом до списания минут. Тарифы за минуту и пакеты — на странице «Тарифы», а для автоматической обработки потоковых записей и корпоративных архивов подключается API.