Расшифровка AAC в текст

AAC пришёл на смену MP3 и стал стандартом де-факто: в нём звучит аудиодорожка YouTube, работают Apple Music и большинство подкаст-платформ. При том же размере файла он сохраняет больше деталей, чем MP3, — для распознавания речи это небольшой, но приятный плюс.

Чаще всего в AAC попадают подкасты и выгрузки звука из видео. Для таких записей особенно полезно разделение по спикерам: диалог ведущего и гостя размечается автоматически, и из расшифровки получается готовая основа для статьи или описания выпуска.

AAC пришёл на смену MP3 и при том же битрейте звучит заметно лучше — особенно на верхних частотах, где MP3 заметно грубит. Для распознавания речи это небольшое, но реальное преимущество: согласные вроде «с», «ш» и «ф» живут как раз в верхнем диапазоне, и именно на них чаще всего спотыкаются модели.

Встречается формат повсюду, где есть техника Apple и потоковое вещание: диктофон на iPhone, звук внутри видеофайлов, подкасты, аудио из телетрансляций. Часто AAC приходит не отдельным файлом, а дорожкой внутри MP4 или MOV — в этом случае извлекать её вручную не нужно.

Практическое следствие из хорошего сжатия: файлы в AAC компактные, и в лимит по размеру они упираются редко. Час записи на типичном битрейте занимает порядка 50–60 МБ, так что даже длинная конференция помещается в лимит без всякой подготовки.

Единственное, чего не стоит делать, — перекодировать AAC в другой формат «для надёжности». Любая перекодировка сжатого звука добавляет потери поверх уже имеющихся, и результат окажется хуже исходника. Загружайте файл в том виде, в каком он есть.