Голосовое, которое сейчас не послушать
Голосовые сообщения — самая односторонняя вещь в мессенджере. Отправитель тратит сорок секунд, получатель тратит те же сорок секунд, но в момент, который выбрал не он. В метро, на совещании, рядом со спящим ребёнком, в открытом офисе без наушников — прослушать нельзя, а ответить надо.
Бот решает ровно эту задачу и ничего больше: вы пересылаете ему голосовое, кружок или аудиофайл — получаете текст. Не «когда-нибудь», а в этой же переписке, без установки приложения и без регистрации.
Что приходит в ответ
Не одна расшифровка, а три вещи подряд:
- Расшифровка. Если она короткая, приходит прямо в чат. Если длинная — файлом
.txt, чтобы не превращать переписку в простыню. - Краткое содержание. Один абзац о том, что вообще было сказано.
- Список задач. То, что в записи прозвучало как «надо», «давай ты», «до пятницы» — вынесено отдельными пунктами.
Третий пункт обычно и есть причина, по которой люди возвращаются. Расшифровка шестиминутного монолога — это всё ещё шесть минут чтения. Список из четырёх задач читается за пятнадцать секунд.
На каком языке вернётся текст
На языке записи. Русское голосовое остаётся русским, английская запись — английской. Перевода «на всякий случай» не происходит ни в одну сторону, и это осознанное решение: расшифровка нужна для того, чтобы работать с содержанием, а не читать его пересказ на другом языке.
Что можно переслать прямо из переписки
Голосовое сообщение и видеосообщение — тот самый кружок. Переслать чужое или записать своё — разницы нет, и промежуточного шага «сохранить, а потом загрузить» не возникает: запись отправляется туда же, куда вы обычно пересылаете сообщения.
Аудио, присланное файлом, бот тоже принимает. Про форматы, предельную длительность и размер — отдельно на странице расшифровки аудиофайлов; здесь речь про то, что уже лежит в чате.
Сколько это стоит
Первая расшифровка — бесплатно. Дальше — с планом VUST.
Если обработка сорвётся по нашей вине — при скачивании, распознавании, формировании ответа или доставке, — ничего не списывается.
Файл длиннее 20 минут денег не стоит вообще: он отклоняется до того, как что-либо запускается.
Как устроен бесплатный старт — на странице расшифровки аудиофайлов.
Чего бот не делает
Он не приходит на созвон. У него нет доступа к календарю, он не подключается к Zoom или Meet как участник и ничего не записывает сам. Если ваш сценарий — «бот сидит на всех встречах и потом присылает конспект», это другой продукт по устройству, и притворяться им мы не станем.
Ещё одна деталь про повтор: у нас аудио не хранится. Значит, кнопки «попробовать ещё раз бесплатно» после сбоя не будет — вместо неё возврат средств и просьба прислать запись снова. Обратная сторона того же решения приятнее: ваша запись и её расшифровка не оседают в логах и не попадают в служебные уведомления. Полная картина: распознаёт речь внешний сервис, которому запись передаётся на время обработки, — его собственные сроки хранения мы за него не обещаем.
Где расшифровка ошибается
Распознавание речи — не стенография. Слабые места предсказуемы: имена собственные, числа, узкие термины, запись на улице, два голоса одновременно, сильный акцент. Если вы собираетесь переслать кому-то конкретную цифру или фамилию из расшифровки — потратьте полминуты и сверьтесь с оригиналом на нужной секунде.
Задачи и краткое содержание собирает модель, а не поиск по ключевым словам. Она хорошо вытаскивает прямые договорённости и заметно хуже — то, что подразумевалось, но не было произнесено.
Соседние сценарии
Если запись пришла не голосовым, а файлом — mp3 из диктофона, ogg из выгрузки, дорожка из монтажа, — и вопрос звучит как «нужен текст, но не хочу заводить аккаунт и грузить его на сайт», это соседняя страница: расшифровка аудиофайла в текст. Там форматы, оба предела и разбор того, чем ежедневный бесплатный лимит отличается от пробного периода.
Если у вас уже есть текст и нужна выжимка — это SummaryBot, другой бот и другая задача.