Программы для голосового набора текста

Развитие имеющихся возможностей

Инструмент Transcribe стал дополнением к функции Dictate, которую можно обнаружить в том же выпадающем списке. Она была добавлена в состав Microsoft 365 еще в июне 2017 г. и была создана в рамках экспериментальной программы Microsoft Garage, поощряющей сотрудников Microsoft работать над проектами, которые им интересны, даже если они не связаны с их основной деятельностью.

Название Dictate полностью отражает суть функции – с ее помощью пользователь может надиктовывать записи в Word, а также в OneNote, PowerPoint и Outlook. После диктовки речь транскрибируется в текст, который в дальнейшем можно редактировать. На момент запуска Dictate, в отличие от Transcribe, поддерживал 20 наиболее распространенных языков и имел возможность перевода текста на 60 языков, притом в реальном времени.

• Короткая ссылка
• Распечатать

1 Сайт speechpad.ru

Это онлайн-сервис, который позволяет через браузер Google Chrome переводить речь в текст. Сервис работает с микрофоном и с готовыми файлами. Конечно, качество будет значительно выше, если использовать внешний микрофон и диктовать самому. Однако сервис неплохо справляется даже с видеороликами на YouTube.

Нажимаем «Включить запись», отвечаем на вопрос про «Использование микрофона» – для этого кликаем «Разрешить».

Длинную инструкцию про использование сервиса можно свернуть, нажав на кнопку 1 на рис. 3. От рекламы можно избавиться, пройдя несложную регистрацию.

Рис. 3. Сервис speechpad

Готовый результат легко редактируется. Для этого нужно либо вручную исправить выделенное слово, либо надиктовать его заново. Результаты работы сохраняются в личном кабинете, их также можно скачать на свой компьютер.

Список видео-уроков по работе с speechpad:

Можно транскрибировать видео с Youtube или со своего компьютера, правда, понадобится микшер, подробнее:

Видео «Транскрибирование аудио»

Работает сервис с семью языками. Есть небольшой минус. Он заключается в том, что если нужно транскрибировать готовый аудио-файл, то его звучание раздаётся в колонки, что создает дополнительные помехи в виде эха.

3 RealSpeaker

Эта программа позволяет легко переводить человеческую речь в текст. Она предназначена для работы в разных системах: Windows, Android, Linux, Mac. С ее помощью можно преобразовывать речь, звучащую в микрофон (например, он может быть встроен в ноутбук), а также записанную в аудиофайлы.

Может воспринимать 13 языков мира. Существует бета-версия программы, которая работает в режиме онлайн-сервиса:

Нужно перейти по указанной выше ссылке, выбрать русский язык, загрузить на онлайн-сервис свой аудио- или видео-файл и оплатить его транскрибацию. После транскрибации можно будет скопировать полученный текст. Чем больше файл для транскрибации, чем больше времени понадобится на его обработку, подробнее:

В 2017-ом году был бесплатный вариант транскрибации с помощью RealSpeaker, с 2018 года такой возможности нет. Вероятно для того, чтобы транскрибированный файл был недоступен всем пользователям для скачивания, необходимо наличие галочки напротив “Сделать файл неудачным в течение 24 часов”.

На сайте есть онлайн-чат. Кнопка, чтобы начать чат, находится в правом нижнем углу сайта.

Расширение для Microsoft Word поможет записать голосом

В сети по адресу https://dictate.ms/ есть специальное дополнение. Программа предназначена для голосовой печати в Ворде. После установки на панели инструментов документа появится новая вкладка «Dictation». Выбрав её, в окне появится кнопка с микрофоном. Она предназначена для старта записи. В этом же окне доступен выбор одного из 20 языков, на котором нужно вводить предложения озвучкой.

Расширение Dictation во вкладке документа Word

Это дополнение доступно для многих версий текстового редактора, так как является разработкой компании Microsoft. Её можно применять не только в Word, но и в PowerPoint, и Outlook

Стоит обратить внимание на то, какой пакет нужен для вашей системы Windows. Разрядность можно посмотреть в системном окне, нажав WIN+PAUSE

Этот параметр будет указан в строке «Тип системы». Dictate устанавливается как и любая другая программа. Но по её завершению нуждается в активации. Это можно сделать в настройках.

Работа расширения для перевода голоса в текст основана на нескольких компонентах — Cortana (доступна в Windows 10) и местном переводчике Microsoft Translator. Для стабильной работы требуется компонент .NET Framework 4.5.0.

Как включить голосовой ввод в Гугл Документах

Рис. 3. Включаем голосовой ввод в Гугл Документах.

В Документах кликаем по вкладке «Инструменты» (1 на рис. 3), а в появившемся меню выбираем опцию «Голосовой ввод». Вместо этих двух кликов можно нажать на горячие клавиши Ctrl+Shift+S.

Далее может появиться маленькое окно по поводу вашего согласия на использование микрофона. По крайней мере, так бывает при первом использовании голосового ввода в Документах. Конечно, нужно согласиться и для этого кликнуть по кнопке «Разрешить»  доступ к микрофону. Иначе будет невозможно оцифровать свою речь в текст.

После согласия на использование микрофона появится значок микрофона (рис. 4). Теперь можно, наконец, приступить к голосовому вводу.

Рис. 4. Нажав кнопку микрофона, можно говорить в Гугл Документах.

Небольшое напутствие перед тем, как начать свою речь

Чтобы текст получился корректным, нужно добавить в него точки в конце каждого предложения. Кроме того, весьма желательно, чтобы были абзацы.

Если просто говорить текст, то там автоматически, сами по себе не появятся точки и абзацы. Поэтому в речи следует произносить команды: говорить «точка» в конце каждого предложения и произносить «новая строка» в том случае, когда понадобится начать новый абзац.

Возможно, такие команды кому-то покажутся утомительными. Можно их не произносить, но тогда потребуется потратить некоторое время на ручную обработку текста. Понадобится вставить  точки, заглавные буквы в начале каждого предложения и разбить текст на абзацы.

Рис. 5. Команды: Точка и Новая строка при голосовом вводе в Гугл Документах.

Ручная коррекция текста может понадобиться в любом случае. Здесь многое зависит от «сноровки» пользователя, четкой дикции и некоторого опыта работы с голосовым вводом.

Для записи речи следует нажать на серенький значок микрофона, он показан на рисунках 4 и 5. После этого значок станет красным (рис. 6). Это означает, что микрофон включен, идет запись, можно говорить и одновременно смотреть на экране, как идет запись текста.

Рис. 6. Микрофон включен, он стал красным. Можно говорить, идет запись речи.

По цвету значка микрофона легко определить, идет запись или нет. Серый значок означает, что запись речи не происходит, а значит, нет смысла говорить в микрофон.

Красный значок сигнализирует о том, что идет запись речи. Следовательно, можно говорить в микрофон, и одновременно будет появляться текст в Документах.

Рис. 7. Микрофон выключен, он серый. Это значит, что запись временно приостановлена или завершена.

Как отключить голосовой ввод в Гугл Документах

Если пользователь закончил запись свой речи, то для отключения голосового ввода нужно нажать на красный значок микрофона (рис. 6), который сразу же сменит свой цвет на серый, микрофон отключится, и речь перестанет записываться.

Также можно закрыть Гугл Документ. Тогда будет отключен не только голосовой ввод, но будет закрыт файл, куда шла запись речи,  а также закроется приложение Документы. Можно не беспокоиться про сохранение файла. Известно, что в Гугл Документах происходит автоматическое сохранение всех изменений файла.

Если не нужен Google Chrome, то можно его закрыть. Закроется браузер, Гугл Документы и прекратится запись речи.

Имеется также возможность выключить микрофон в своем устройстве. Для этого имеются встроенные системные средства. Но, на мой взгляд, такой вариант является крайней мерой. Ибо если выключить микрофон, то потом при необходимости понадобится снова включать его. Думаю, что для многих пользователей это неподходящий способ для того, чтобы отключить голосовой ввод.

Без ограничений не обошлось

Пример работы Word Transcribe

Однако самое серьезное ограничение связано с длительностью распознаваемых диалогов, что пока исключает Transcribe из списка инструментов тех, кто профессионально занимается переводом (транскрибирования) аудиозаписей разговоров в текст. Word может расшифровать не более пяти (5) часов диалогов, притом в месяц.

Как пандемия изменила подходы к организации рабочего пространства
Интеграция

Обойти это ограничение пока никак нельзя. Даже нет возможности купить дополнительные часы за деньги, как и научить Word работать с файлами весом свыше 200 МБ.

5 Dragon Dictation

Это приложение, которое распространяется бесплатно для мобильных устройств от компании Apple.

Программа может работать с 15 языками. Она позволяет редактировать результат, выбирать из списка нужные слова. Нужно четко проговаривать все звуки, не делать лишних пауз и избегать интонации. Иногда возникают ошибки в окончаниях слов.

Приложение Dragon Dictation используют обладатели яблочных гаджетов, например, чтобы, перемещаясь по квартире, надиктовать список покупок в магазине. Придя туда, они могут посмотреть на текст в заметке, и не надо слушать.

Только так можно будет получить безукоризненный текст без ошибок.

Набор текста на компьютере голосом

Не зря же был запущен голосовой поиск Google. Пользователям не нужно нажимать кнопки, они могут просто произнести нужный запрос.

Четко проговорить несколько слов не сложно, поэтому для данной цели это подходит. Что касается написания статей, то придется потренироваться. Также, стоит попробовать несколько программ, чтобы выбрать подходящий вариант.

Софта для голосового набора придумано много, мы выбрали самые популярные утилиты:

1. Голосовой набор текста с Web Speech API. Начнем с самого популярного сервиса, встроенного на страницах Google. Для его использования потребуется высокоскоростной интернет и свежая версия браузера.

Заходите на эту страницу, выбираете язык и жмете на значок с микрофоном:

После этого, запрашивается разрешение на использование микрофона. Он может быть отдельным или встроенным в вебкамеру:

Разрешаете браузеру использовать микрофон и начинаете произносить слова. Они сразу же появляются в основной части страницы, откуда их можно легко скопировать и перенести, например, в Word.

2. Голосовой набор онлайн на Dictation. Этот сервис отличается наличием дополнительных кнопок. С их помощью можно быстро очистить поле ввода текста, а также перенести готовый текст на Google Диск, скачать в формате txt или отправить по электронной почте:

В целом, система ничем не отличается. Заходишь на сайт, выбираешь START DICTATION (после выбора языка) и появляется уведомление, где требуется дать разрешение на использование микрофона:

Интерфейс простой, а дизайн приятный. Именно с этим сервисом удается добиться хорошего распознавания, но отзывы двоякие.

3. Набор текста голосом с Talktyper. Русский язык в этом иностранном сервисе распознается без проблем. Функционала в нем намного больше. Полученный текст проверяется на знаки препинания и ошибки. Очень удобно, что слова, которые программа не смогла распознать точно, подсвечиваются.

При нажатии на них, можно выбрать другие предложенные варианты:

Также здесь есть инструмент для быстрого перевода текса на любой язык или его воспроизведение. Отправлять документ можно разными способами. Единственное неудобство, это после ввода текста голосом, требуется нажимать на стрелку, чтобы перенести его во второе поле.

4. Программа голосового набора Speechpad. Несмотря на скромный дизайн, этот сервис идеально справляется со своей задачей и предлагает самый продвинутый функционал. На сайте есть видео уроки по использованию системы, а также предлагается скачать плагин для браузера.

Помимо голосового ввода, доступна функция перевода и редактирования:

Лучше самому попробовать поработать с этим сервисом и оценить качество транскрибации, переводов и других функций.

Для одних людей, сервисы перевода голоса в текст станут игрушками, для других же, незаменимым инструментом. Минусы у них есть, но стоит хорошо потренироваться, чтобы привыкнуть.

Word стал умнее

Корпорация Microsoft интегрировала в текстовый редактор Word функцию «расшифровки» (транскрибирования) аудиозаписей – Transcribe. Приложение научилось переводить записи диалогов в текст с возможностью его последующего редактирования. Над нововведением специалисты Microsoft работали несколько лет – впервые оно было анонсировано еще в 2019 г., но в доступную обычным потребителям версию Word ее добавили только сейчас.

Для запуска функции необходимо нажать кнопку «Диктовать» (Dictate) в строке меню, а затем в выпадающем списке нужно выбрать пункт «Транскрибировать» (Transcribe).

На момент публикации материала нововведение было доступно в веб-версии Word для пользователей сервиса Microsoft 365 (раньше он назывался Office 365). Microsoft реализовала поддержку только английского языка, но это ограничение временное – специалисты работают над внедрением других языков, хотя и не раскрывают конкретные сроки. Также до конца 2020 г. Transcribe появится в мобильной версии Word.

При помощи Speachpad можно пользоваться голосовым вводом текста для Word

Расширение доступно в магазине Chrome по адресу https://chrome.google.com/webstore/detail/online-speech-recognition/pehlbpmpoabkgenppepoaihkacolpdcf?hl=ru.

Порядок действий:

1. Войдите с Google Chrome и нажмите кнопку «Установить»;
2. После этого нажмите на панели вверху справа значок и укажите в окне язык ввода и другие настройки;Настройки расширения Speachpad
3. Теперь перейдите на сайт, где нужно использовать голосовой ввод, и нажмите на окне для печати правую кнопку мыши. Появится небольшое контекстное окошко, где нужно выбрать расширение. После этого вы сможете озвучивать ваши предложения;Активация Speachpad в браузере Google Chrome
4. Можно воспользоваться любым редактором текста онлайн временно, чтобы после чтения скопировать и вставить результат в Word.

Вы сможете настроить горячие клавиши для запуска Speachpad. Расширение работает также в браузере Google Chrome для Linux. Здесь доступны настройки регистра первой буквы. Если вы установите флажок на пункте «Заменять слова пунктуации», то сможете ставить знаки препинания голосом. То есть, если вы произнесете «запятая», расширение поставит её. Даже если явно выключить такую функцию, то Google может заменять самостоятельно такие слова.

Активировав настройку расширения «Выполнять команды», вы сможете диктовать поведение редактора во время ввода (перенос строк и т. д.). Функция «Вывод в буфер» позволяет вам сразу копировать надиктованный результат в буфер. При этом в поле для ввода текст появляться не будет. После каждого предложения или абзаца можно сразу же нажимать CTRL+V в редакторе. После чего снова нажимать на открытую вкладку Chrome и диктовать новое предложение. Эта функция также полезна на сервисах, которые не позволяют вводить текст таким способом.

Чему научился Word

Word умеет преобразовывать речь в текст «на лету» – для этого в нем предусмотрена возможность записи разговора. Также можно загружать в него уже готовые записи, но пока только в форматах wav, mp3, m4a и mp4. В этом случае на преобразование может потребоваться несколько минут, в зависимости от размера загружаемого файла и длительности самой беседы.

С новой функцией Word больше не нужно использовать сторонние приложения для распознавания речи

Функция распознавания текста Transcribe основана на облачных технологиях Microsoft и использует алгоритмы искусственного интеллекта. Результат ее деятельности можно сохранять в отдельном документе Word или копировать в уже имеющиеся. Также система умеет распознавать голоса нескольких собеседников и помечать их, но пока это работает только для двух человек.

Итоговый текст диалога может содержать ошибки, и Word позволяет устранить их вручную. Например, если кликнуть на ту или иную часть текста, приложение автоматически воспроизведет соответствующий фрагмент записи, притом сможет сделать это с замедленной скоростью.

Microsoft постаралась максимально упростить работу с инструментом транскрибирования

Использовать новую «фишку» Microsoft можно будет, к примеру, если потребуется вставить текст точную цитату из интервью, записанного на диктофон. Также она может упростить процесс дословной записи речи или, к примеру, лекции в вузе.

Что такое транскрибация

Транскрибация – это автоматический или ручной перевод речи в текст, точнее, запись аудио или видео-файла в текстовом виде.

Есть в интернете оплачиваемые платные задания, когда за транскрибацию текста исполнителю выплачивается некоторая сумма денег. В этом случае транскрибацию делают вручную.

Однако можно сделать транскрибацию автоматически, с помощью специальной программы, умеющей “слушать” текст и одновременно “печатать” его, превращать в текстовый файл, пригодный для дальнейшего использования.

Перевод речи в текст вручную или с помощью специальной программы полезен

• студентам для перевода записанных аудио- или видео-лекций в текст,
• блогерам, ведущим сайты и блоги,
• писателям, журналистам для написания книг и текстов,
• инфобизнесменам, которым нужен текст после проведенного ими вебинара, выступления и т.д.,
• фрилансерам, которые вручную делают перевод речи в текст, для облегчения и ускорения своей работы,
• людям, которым сложно печатать – они могут надиктовать письмо и послать его родным или близким,
• другие варианты.

О проблемах автоматического перевода речи в текст

Можно выделить две крупных проблемы перевода речи в текст с помощью программы: качество записанной речи и наличие в записи фона в виде шума, музыки или иных посторонних звуков.

Речь у всех людей разная:

• настолько быстрая, что слова проглатываются, или, наоборот, очень медленная;
• с четкой дикцией, как у профессиональных дикторов, или настолько невыразительная, что сложно что-либо разобрать;
• с отличным произношением или, напротив, с сильным акцентом, например, когда говорит иностранец.

В каких случаях программа автоматической транскрибации будет давать самый наилучший результат перевода речи в текст? Программа будет делать более или менее качественный перевод, когда на записи человек говорит с четкой дикцией, с нормальным темпом речи, без акцента. При этом в записи речи отсутствуют посторонние звуки в виде шума, музыки, разговоров других людей. Тогда можно надеяться на хороший автоматический перевод, не требующий ручных исправлений или с минимальными изменениями.

В остальных случаях, когда речь невыразительная и присутствуют посторонние шумы, перевод с помощью программы или приложения будет значительно хуже. Возможно, какая-то программа или сервис будет выполнять транскрибацию такой речи лучше, чем другие программы и приложения, но не стоит ожидать чуда.

В некоторых случаях стоит все-таки обратиться на биржу фриланса, где живой человек выполнит перевод вручную. Впрочем, здесь тоже нельзя гарантировать высокого качества, поскольку фрилансер может использовать программы автоматической транскрибации, и поленится вносить в получившийся текст правки.

Опишем наиболее эффективные инструменты, доступные на компьютере, мобильные приложения и онлайн-сервисы для перевода речи в текст.