Расшифровка OGG в текст

В OGG сохраняются голосовые сообщения Telegram и WhatsApp, а также записи из ряда диктофонов на Android. Если вам прислали десятиминутное аудио, а слушать его неудобно или некогда, расшифровка превращает его в текст, который читается за минуту и по которому работает поиск.

Это открытый формат без лицензионных ограничений, и внутри него обычно лежит кодек Opus, изначально рассчитанный на речь. Несмотря на сильное сжатие, разборчивость голоса он сохраняет хорошо, поэтому точность расшифровки голосовых остаётся высокой.

Внутри OGG может лежать не только Opus, но и более старый Vorbis — он встречается в записях с Android-устройств и в файлах, выгруженных из открытых аудиоредакторов. Для расшифровки разницы нет: сервис определяет кодек сам, и вмешиваться не требуется.

Самый частый сценарий — переписка, где важное обсудили голосом. Несколько десятков сообщений подряд неудобно переслушивать, а в виде текста они читаются за пару минут и по ним можно искать. Голосовые сохраняются из мессенджера как обычные файлы и загружаются сюда без всякой подготовки.

Особенность именно голосовых сообщений — короткая длина. Запись на десять-пятнадцать секунд расшифровывается так же, как часовая, но минимальная тарификация делает обработку множества коротких файлов по отдельности менее выгодной, чем одного длинного. Если сообщений много, имеет смысл склеить их в один файл.

Качество голосовых обычно неплохое: человек говорит близко к микрофону телефона, что для распознавания выгоднее любой записи «из комнаты». Мешают скорее внешние обстоятельства — запись на ходу, ветер, шум улицы или транспорта.