Что такое транскрибация: простыми словами, виды и как сделать самому

Транскрибация простыми словами

Транскрибацией называют перевод устной речи в письменный текст. Человек или программа слушает запись и записывает, что на ней сказано. На входе голосовое сообщение, интервью, лекция, созвон или ролик на YouTube. На выходе документ, который можно прочитать, процитировать, отправить коллеге и найти в нём нужную фразу через поиск.

Слово пришло из латыни. Глагол transcribo собран из приставки trans («через», «пере») и глагола scribo («писать»), а первое его значение в Викисловаре: «переносить в письменном виде, переписывать». Речь переписывают из звука в буквы. В обычной жизни то же самое называют расшифровкой: «расшифровать интервью», «расшифровать голосовое».

Где это нужно на практике:

• журналист расшифровывает разговор с героем, чтобы взять из него точные цитаты (подробно в инструкции как расшифровать интервью по спикерам);
• менеджер после созвона собирает решения и задачи, об этом статья как сделать протокол встречи из записи;
• автор подкаста выкладывает текстовую версию выпуска, чтобы её находили поисковики (расшифровка подкаста в текст);
• студент превращает двухчасовую лекцию в конспект;
• человек в метро получил голосовое на пять минут и хочет его прочитать, а не слушать.

Текст удобнее звука по простой причине: его можно пробежать глазами, в нём работает поиск, и из него легко скопировать кусок. В часовой записи нужную фразу ищут перемоткой, в документе за секунду.

Транскрибация, транскрипция и транслитерация: в чём разница

Три похожих слова путают постоянно, и путаница честная: значения действительно пересекаются.

Транскрибация переводит звучащую речь в обычный текст по правилам орфографии. Было аудио, стал документ.

Транскрипция в лингвистике означает запись того, как слово звучит, с помощью особых знаков. Такую запись обычно берут в квадратные скобки: слово «потолок» пишется через «о», а звучит как [пъталóк]. Есть и практическая транскрипция, когда иностранное слово записывают буквами своего алфавита: английское имя George по-русски пишут «Джордж», как в имени Джорджа Вашингтона. У слова «транскрипция» в Викисловаре шесть значений, среди них переложение музыкального произведения и синтез РНК в генетике, а расшифровки аудиозаписи среди них нет.

Похоже, путаница пришла из английского. Там глагол transcribe означает и запись речевых звуков фонетическими знаками, и письменную, обычно напечатанную копию надиктованного текста, конспекта лекции или другой устной речи. Отсюда «транскрипция» на сайтах некоторых сервисов распознавания (так пишет, например, русская версия Sonix), хотя по-русски точнее «транскрибация» или «расшифровка».

Транслитерация работает с буквами, а не со звуками: каждую букву одного алфавита заменяют буквой другого. «Спасибо» становится spasibo. Адрес этой страницы, chto-takoe-transkribaciya, тоже транслитерация. Ещё одна ловушка: в разговорной речи транслитерацию иногда называют транскрипцией, и Викисловарь фиксирует это как отдельное значение.

Короткое правило: транскрибация про запись речи целиком, транскрипция про звучание слова, транслитерация про буквы.

Виды: дословная, чистая, с таймкодами, по спикерам

Перед работой нужно ответить на два вопроса. Первый: что делать с «мусором» живой речи. Отсюда дословная и чистая транскрибация. Второй: какую разметку добавить. Отсюда таймкоды и спикеры. Эти варианты комбинируют, например чистая расшифровка интервью с подписями спикеров и таймкодом на каждой реплике.

Дословная

Записывают всё, что звучит: «э-э», «ну», повторы, оборванные фразы, оговорки, смех, паузы. В инструкции для транскрибаторов Amberscript дословный вариант включает заикания, междометия, повторы, сленг, речевые ошибки, слова-паразиты и фальстарты, а смех, аплодисменты, громкую музыку и молчание дольше четырёх секунд помечают тегами в квадратных скобках. Читать такой текст тяжело, зато он ничего не теряет. Он нужен там, где важно, кто и где замялся: например, в исследованиях речи или при разборе переговоров.

Ну, э-э, мы, мы думали запуститься в марте, но... [смех] но не успели.

Чистая

Чистая транскрибация (в англоязычных инструкциях clean verbatim или clean read) убирает то, что не несёт смысла: слова-паразиты, заикания, повторы, фальстарты, фоновые звуки. Смысл не меняют, своими словами не пересказывают. Тот же фрагмент:

Мы думали запуститься в марте, но не успели.

Граница у чистой версии плавает, и её стоит обсудить заранее. Amberscript в чистом варианте исправляет грамматические ошибки и может перестроить фразу, если смысл не меняется. Atomic Scribe в своём «отредактированном дословном» формате поступает иначе: грамматику говорящего в основном оставляет как есть, а убирает «эм», заикания и лишние вводные слова. Обе студии называют результат чистым. Для статьи, конспекта или протокола обычно нужна именно чистая версия: её читают люди, а не лингвисты.

С таймкодами

Таймкод: метка времени вида [00:14:32], по которой место в тексте находится в записи. Ставят их по-разному: в начале каждой реплики, при смене говорящего или раз в несколько минут. Таймкоды нужны, чтобы сверить цитату со звуком, смонтировать видео или сделать субтитры. Файл субтитров SRT по сути та же транскрибация, разбитая на короткие пронумерованные фрагменты, у каждого из которых есть время появления и исчезновения на экране.

По спикерам

Если говорят двое и больше, текст делят на реплики и подписывают, кто говорит: «Спикер 1», «Спикер 2» или по именам. В автоматических системах разметку говорящих называют диаризацией. Без неё интервью превращается в сплошной текст, где не понять, где вопрос, а где ответ. Подписи держат одинаковыми по всему документу: если в начале «Анна», то до конца «Анна», а не «А.» в середине.

[00:03:12] Анна: Когда вы поняли, что проект не взлетает?

[00:03:17] Игорь: Когда третий месяц подряд никто не продлил подписку.

Как оформляют транскрибацию в заказах на биржах фриланса

Для этого раздела я прочитал несколько объявлений заказчиков (два старых на FL.ru, 2008 и 2009 годов, и заказ 2026 года на Freelancer) и открытые инструкции двух студий транскрибации. Выборка маленькая, но требования в объявлениях, между которыми больше 15 лет, почти совпадают. Цены не привожу: они зависят от биржи, звука и срочности, и любая цифра быстро устареет.

1. Формат указан заранее: дословно или чисто. В объявлении на FL.ru 2008 года тестовое задание выглядело так: расшифровать пятиминутную запись плохого качества и прислать дословный транскрипт, причём после слова «дословный» в скобках стояли два восклицательных знака. Если формат не указан, спросите до начала работы, переделывать дороже.
2. Таймкоды по договорённости. Формулировка из заказа на Freelancer: простые таймкоды при каждой смене говорящего или раз в несколько минут.
3. Смена говорящего видна сразу. Каждая реплика с новой строки и с подписью, подписи не путаются.
4. Неразборчивое помечают, а не додумывают. В том же заказе прямо просят отмечать неразборчивые места. У Amberscript правило строже: фрагмент считается неразборчивым, если его не удалось понять после трёх прослушиваний, и помечается тегом с временем начала и конца. В русском тексте это может выглядеть как [неразборчиво с 00:21:40 по 00:21:43].
5. Имена и термины проверены. Незнакомое название города, компании или фамилию ищут в поисковике, а не пишут на слух. Это тоже правило из инструкции Amberscript.
6. Длинные монологи разбиты на абзацы. Amberscript просит делить длинную речь на абзацы примерно по 100 слов.
7. Редактируемый файл. Заказчик на Freelancer просил вернуть каждую расшифровку редактируемым документом Word или в совместимом формате.
8. Полнота и сроки. В обоих объявлениях на FL.ru расшифровку с пропусками оплачивали наполовину, а работу, сданную позже срока, не оплачивали вовсе. Скорость набора там требовали не ниже 200 ударов в минуту в одном объявлении и не ниже 250 в другом.

Если заказываете вы, уложите всё это в одну строку технического задания: «чистая, спикеры по именам, таймкод на каждой реплике, неразборчивое помечать с таймкодом, DOCX». Это экономит переписку и спасает от сюрпризов при сдаче.

Сколько времени занимает час аудио вручную и автоматически

Ручная транскрибация медленная, поэтому её и считают по минутам записи. Оценки из разных источников:

Откуда такой разброс. По данным Rev, чистую и медленную речь большинство людей расшифровывает примерно по 15 минут записи за час работы, а плохой звук, шум, акценты и проверка терминов могут увеличить время вдвое или втрое. GoTranscript добавляет, что дословный формат, таймкоды и подписи спикеров повышают объём работы до 50%.

Оговорка: почти все эти цифры публикуют компании, которые продают транскрибацию, ручную или автоматическую. Контролируемых исследований я не нашёл, так что считайте их порядком величины. Проверить на себе просто: засеките, сколько уйдёт на 5 минут вашей записи, и умножьте на 12.

Автоматическая транскрибация занимает минуты, а не часы. Но вычитка остаётся: программа может ошибиться в фамилиях, редких терминах, на плохом звуке и там, где люди говорят одновременно. Для заметок, конспекта и поиска по записи автоматического текста обычно хватает. Цитаты для публикации стоит сверить со звуком. Если важна каждая пауза и оговорка, как в дословной расшифровке для исследования, текст должен проверить человек.

Как сделать самому за 3 шага

Я делаю Voicepad, поэтому покажу на нём; в других сервисах распознавания шаги похожие. Сделать транскрибацию можно двумя путями: в браузере на сайте или в Telegram-боте.

В браузере

1. Откройте расшифровку в браузере на главной странице Voicepad.
2. Запишите голос прямо на странице или загрузите файл. Без входа и регистрации доступно 3 расшифровки в день, файлы до 50 МБ, по одной за раз; у записи длиннее 3 минут расшифруются первые 3 минуты. После входа через Telegram можно загружать файлы до 200 МБ, вставлять ссылки на видео и расшифровывать записи до 3 часов, а бесплатные минуты и баланс общие с ботом.
3. Скопируйте результат или скачайте его в TXT, SRT или DOCX.

В Telegram-боте

1. Откройте бота @Voicepad_bot в Telegram.
2. Отправьте голосовое, кружок, аудио или видеофайл до 20 МБ (так Telegram ограничивает файлы, которые бот может скачать; файл больше загрузите на сайте) или ссылку на YouTube, VK Видео, RuTube или TikTok. Длина записи до 3 часов, язык определяется автоматически, распознаёт ElevenLabs Scribe v2.
3. Получите текст с таймкодами и подписями спикеров. Под каждой расшифровкой есть краткое содержание, список задач, статья, пост, вопросы по записи и экспорт в DOCX, TXT или SRT.

Каждый месяц начисляется 15 бесплатных минут. Дальше пакеты: 60 минут за 199 ₽, 300 минут за 690 ₽, 1000 минут за 1990 ₽, оплата картой через Tribute. Купленные минуты не сгорают, а списывается только реальная длительность записи. Аудио удаляется сразу после распознавания, расшифровки в боте хранятся 30 дней. Подробнее про бесплатные минуты и ограничения в инструкции транскрибация аудио в текст онлайн.

Чтобы довести автоматический текст до чистой транскрибации в понимании заказчика, пройдитесь по нему с открытым аудио. Исправьте имена и термины, уберите слова-паразиты, если они остались, а обезличенные подписи спикеров замените настоящими именами. Таймкоды помогут быстро найти место, в котором сомневаетесь.

Частые вопросы

Что такое транскрибация простыми словами?

Это перевод речи из аудио или видео в письменный текст. Человек или программа слушает запись и записывает сказанное, иногда с таймкодами и подписями говорящих.

Чем чистая транскрибация отличается от дословной?

Дословная сохраняет всё: слова-паразиты, повторы, оговорки, смех и паузы. Чистая убирает речевой мусор, но не пересказывает и не меняет смысл. Исправлять ли грамматику в чистой версии, студии решают по-разному, поэтому это стоит оговорить заранее.

Сколько времени занимает транскрибация часа аудио?

По оценкам сервисов транскрибации, вручную от 2 до 4 часов у опытного транскрибатора и от 4 до 8 часов у новичка, на плохом звуке дольше. Автоматическое распознавание занимает минуты, плюс время на вычитку.

Транскрибация и транскрипция: это одно и то же?

Нет. Транскрибация переводит запись речи в текст. Транскрипция в лингвистике записывает звучание слова специальными знаками, например [пъталóк]. Некоторые сервисы пишут «транскрипция аудио», видимо по аналогии с английским transcription.

Можно ли сделать транскрибацию бесплатно?

Да, в небольшом объёме. В боте Voicepad каждый месяц даётся 15 бесплатных минут, а на сайте без входа можно сделать 3 расшифровки в день: у записи длиннее 3 минут расшифруются первые 3 минуты.

Другие инструкции

• Расшифровка интервью по спикерам: реплики с таймкодами и DOCX для правок.
• Запись встречи в протокол: спикеры, конспект созвона и список задач.
• Расшифровка подкаста в текст: текст выпуска по спикерам, таймкоды для описания, SRT.
• Транскрибация аудио в текст онлайн: что на самом деле значит «бесплатно» и где заканчиваются 15 минут.

Источники

1. Wiktionary: transcribo (лат.)
2. Викисловарь: транскрипция
3. Викисловарь: транслитерация
4. Dictionary.com: transcribe
5. Циклопедия: транскрипция (лингвистика)
6. Википедия: Вашингтон, Джордж
7. Amberscript: Transcription Guidelines (PDF)
8. Atomic Scribe: Edited Verbatim
9. FL.ru: объявление 2008 года
10. FL.ru: объявление 2009 года
11. Freelancer: Accurate Audio Transcription Needed
12. Rev: How long does it take to transcribe audio
13. GoTranscript: how long it takes to transcribe one hour of audio
14. Timeweb Community: что такое транскрибация
15. Sonix: ручная транскрипция
16. Sonix: диаризация речи
17. Wikipedia: SubRip
18. Telegram Bot API: getFile