Можно ли получить текст из видео?

Да. Выберите или перетащите MP4, MOV, WEBM или MKV: звук из него читается на вашем устройстве и расшифровывается так же, как аудиофайл, — с метками говорящих и примерными отметками времени; скачать результат можно как текст или как субтитры (SRT или VTT). Время оценивается внутри каждого четырёхминутного куска, поэтому субтитры — скорее ориентир, чем точная привязка к словам.

Какие языки поддерживаются?

Выберите язык речи из списка — это пятнадцать языков, на которых написан этот сайт, — или оставьте автоматическое определение: оно подходит и для разговора, где язык меняется посреди фразы, например русский вперемешку с английским. В расшифровке каждая часть остаётся на том языке, на котором её произнесли.

Можно ли получить субтитры или таблицу?

Да. Готовая расшифровка выгружается в Word, PDF, обычный текст, файлы субтитров (SRT, VTT) и таблицу CSV, где каждая строка — реплика говорящего с примерным временем начала и конца. Выберите то, что нужно для следующего шага.

Хранится ли моя запись?

Наш сервер не хранит ни звук, ни текст. Четырёхминутные куски звука проходят через ИИ-шлюз Lovable в OpenAI, а текст — в Google Gemini; эти сервисы обращаются с полученным по своим условиям. Ради почасового лимита наш сервер записывает ваш IP-адрес и удаляет его примерно через два часа. Расшифровка сохраняется, только если вы сами её сохраните: в этом браузере или в своём аккаунте, если вы вошли.

Расшифровать аудио в текст

Облачный шаг

Отправьте запись — совещание, интервью, лекцию, голосовое сообщение — и получите аккуратную расшифровку с разбивкой по говорящим, которую можно выгрузить в Word, PDF, обычный текст, субтитры или таблицу.

Инструмент рассчитан на живые разговоры, в том числе с переходом на другой язык посреди фразы, и делит текст по говорящим — их определяют по ходу разговора, а не узнают по голосу, — а не выдаёт один сплошной блок.

В отличие от других инструментов сайта, для расшифровки нужен сервер: распознавание речи на вашем устройстве этот сайт не выполняет. Прежде чем что-либо отправить, страница спрашивает разрешения. Запись уходит кусками по четыре минуты, без имени файла, через наш сервер и ИИ-шлюз Lovable в модель распознавания речи OpenAI, а текст — в Google Gemini для приведения в порядок. Наш сервер не хранит ни то, ни другое; эти сервисы действуют по своим условиям.

Как Расшифровать аудио в текст

Выберите или перетащите запись или видео.
Выберите язык речи или оставьте автоматическое определение для разговора на нескольких языках.
Подождите, пока запись расшифровывается и делится по говорящим.
Выгрузите результат в Word, PDF, обычный текст, субтитры или таблицу CSV с примерным временем.

Поддерживаемые форматы и ограничения

Вход: MP3, WAV, M4A, OGG, FLAC, OPUS, AMR; MP4, MOV, WEBM, MKV и другое видео (только звук)
Выход: Word, PDF, TXT, Markdown, субтитры SRT или VTT, таблица CSV, JSON
Языки: Автоматически, включая смешанные разговоры, или один из пятнадцати на выбор из списка
Говорящие: Размечаются отдельно; определяются по ходу разговора, а не узнаются по голосу
Время: Примерное, внутри каждого четырёхминутного куска
Почасовой лимит: 30 кусков по четыре минуты (два часа звука) в час с одного IP-адреса
Где работает: Наша серверная функция, затем ИИ-шлюз Lovable в OpenAI (речь) и Google Gemini (текст); наш сервер не хранит ни звук, ни текст, а эти сервисы действуют по своим условиям

Не подходит для: Безупречной точности на плохих записях — сильный фоновый шум и люди, говорящие одновременно, по-прежнему приводят к ошибкам.

Что именно отправляется и куда

Ничего не отправляется, пока вы не согласитесь в окне, которое открывает кнопка «Расшифровать», — если только вы не выбрали больше не спрашивать. Затем браузер декодирует запись или звук видео, сводит его в один канал 16 кГц и режет на куски по четыре минуты; каждый отправляется как файл WAV с именем part-1.wav, part-2.wav и так далее — только звук, без имени вашего файла.

Каждый кусок попадает в нашу серверную функцию в Lovable Cloud, которая передаёт его через ИИ-шлюз Lovable в модель распознавания речи OpenAI gpt-4o-transcribe — вместе с вашим пользовательским словарём, языком, если вы его выбрали, и последними 1200 символами уже расшифрованного текста. Текст всех кусков вместе с введёнными вами именами говорящих и словарём тем же путём уходит в модель Google Gemini, которая делит его по говорящим и даёт ему заголовок, краткое содержание и главы, а готовая расшифровка уходит туда ещё раз — чтобы выделить ключевые пункты и задачи.

Наши функции не записывают ни звук, ни текст в хранилище. Они фиксируют ваш IP-адрес с каждым запросом — ради почасового лимита — и удаляют его, когда ему больше двух часов. Что хранят Lovable, OpenAI и Google, определяют их собственные условия. «Сохранить в библиотеку» сохраняет расшифровку в этом браузере или в вашем аккаунте, если вы вошли; «Поделиться ссылкой» загружает выгруженный файл в наше хранилище на 24 часа, о чём страница пишет рядом с кнопкой.

Сколько можно расшифровать за час

Наш сервер принимает тридцать кусков в час с одного IP-адреса — это два часа звука. Если кусок отклонён или не прошёл, уже готовые куски сохраняются, а «Повторить неудавшиеся записи» продолжает с того куска, на котором произошёл сбой, а не начинает всё заново.

Как определяются говорящие, время и язык

Говорящих не узнают по голосу. Gemini выводит их из текста — по вопросам, ответам, приветствиям и произнесённым вслух именам — и использует для меток имена ожидаемых участников, которые вы ввели. Если этот шаг не удался, вы всё равно получаете текст — блоками по четыре минуты с пометкой «Говорящий не определён».

Для разговора на нескольких языках оставьте автоматическое определение, а для записи на одном языке выберите язык речи — это поможет модели распознавания.

Время известно только на границах каждого четырёхминутного куска; реплики внутри куска расставляются равномерно и помечаются знаком ~. Файлы SRT, VTT и CSV содержат эти оценки, поэтому служат грубым указателем по записи, а не субтитрами, которые идут точно за речью.

Частые вопросы

Можно ли получить текст из видео?: Да. Выберите или перетащите MP4, MOV, WEBM или MKV: звук из него читается на вашем устройстве и расшифровывается так же, как аудиофайл, — с метками говорящих и примерными отметками времени; скачать результат можно как текст или как субтитры (SRT или VTT). Время оценивается внутри каждого четырёхминутного куска, поэтому субтитры — скорее ориентир, чем точная привязка к словам.
Какие языки поддерживаются?: Выберите язык речи из списка — это пятнадцать языков, на которых написан этот сайт, — или оставьте автоматическое определение: оно подходит и для разговора, где язык меняется посреди фразы, например русский вперемешку с английским. В расшифровке каждая часть остаётся на том языке, на котором её произнесли.
Можно ли получить субтитры или таблицу?: Да. Готовая расшифровка выгружается в Word, PDF, обычный текст, файлы субтитров (SRT, VTT) и таблицу CSV, где каждая строка — реплика говорящего с примерным временем начала и конца. Выберите то, что нужно для следующего шага.
Хранится ли моя запись?: Наш сервер не хранит ни звук, ни текст. Четырёхминутные куски звука проходят через ИИ-шлюз Lovable в OpenAI, а текст — в Google Gemini; эти сервисы обращаются с полученным по своим условиям. Ради почасового лимита наш сервер записывает ваш IP-адрес и удаляет его примерно через два часа. Расшифровка сохраняется, только если вы сами её сохраните: в этом браузере или в своём аккаунте, если вы вошли.