Расшифровка записи Zoom в текст

Zoom сохраняет локальную запись двумя файлами: видео в контейнере MP4 и отдельную аудиодорожку в M4A. Для расшифровки годится любой из них — сервис сам достанет звук из видео, а видеоряд проигнорирует. Если запись велась в облако, её сначала нужно скачать: работать по ссылке на закрытую облачную запись сервис не может, она требует авторизации в вашем аккаунте.

Созвоны — самый выигрышный материал для автоматической расшифровки, потому что говорящих обычно несколько и вручную разбирать такую запись особенно мучительно. Разделение по спикерам расставляет реплики по ролям, и протокол собирается из готового текста за несколько минут вместо часа переслушивания.

Качество зависит от того, как участники были записаны. Гарнитура даёт заметно более чистый звук, чем встроенный микрофон ноутбука, а несколько человек в одной переговорке за общим микрофоном — самый сложный случай для разделения по голосам.

У Zoom есть настройка, которая заметно улучшает результат: запись отдельной аудиодорожки на каждого участника. Тогда вместо одного смешанного файла получается набор дорожек, где голоса не накладываются друг на друга. Если у вас включена эта опция, обрабатывайте дорожки по отдельности — точность будет выше, чем на любом сведённом варианте.

Локальная запись начинается только после того, как её включат вручную, и сохраняется на диск того, кто её запускал. Организатор при этом может запретить запись остальным. Практическое следствие: если встреча важная, договаривайтесь о записи в самом начале — восстановить разговор задним числом нельзя.

Длинные встречи Zoom иногда режет на несколько файлов подряд. Загружайте их по очереди и склеивайте текст после — так надёжнее, чем пытаться объединить видео перед загрузкой. Порядок частей виден по времени создания файлов.

Отдельно стоит помнить про уведомление участников. Zoom показывает индикатор записи, но согласие на неё — вопрос не технический: если разговор потом превращается в текст и расходится по коллегам, участники должны об этом знать заранее.