Расшифровка интервью с плохим качеством звука

Вы записали интервью по телефону, в шумном кафе или на уличном мероприятии. Аудио — разбор полёта: шум, эхо, перебивки. Стандартные транскрибаторы выдают мусор. Разбираем, что делать.

Почему плохой звук = плохой транскрипт

Большинство сервисов транскрибации работают на моделях, обученных на чистой речи. Когда сигнал-шум низкий, модель «слышит» случайные слова вместо реальных. Результат — 40–60% точности вместо 95%+.

Основные проблемы с качеством звука и их влияние на транскрибацию:

Проблема	Влияние на точность	Решение
Фоновый шум (кафе, улица)	−20–40%	Шумоподавление в Audacity
Эхо (телефон, Skype)	−15–30%	Echo cancellation / обработка
Сильный акцент	−5–15%	Whisper large-v3 справляется
Несколько голосов	−10–20%	Диаризация + вычитка
Низкий битрейт (голосовые WhatsApp)	−25–35%	Конвертация в WAV перед загрузкой

Шаг 1 — улучшите аудио перед транскрибацией

Предобработка аудио занимает 5–10 минут и повышает точность транскрипта на 20–40%. Не пропускайте этот шаг для плохих записей.

Audacity (бесплатно, Windows / Mac / Linux)

Adobe Podcast (бесплатный онлайн-инструмент)

Adobe Podcast Enhance Speech — бесплатный онлайн-сервис от Adobe. Загружаете аудио, нажимаете Enhance — через 1–2 минуты получаете очищенную версию. Работает очень хорошо для телефонных записей.

Шаг 2 — выберите правильную модель транскрибации

Не все транскрибаторы одинаково работают с плохим звуком. Whisper large-v3 от OpenAI — лучшая из доступных моделей именно для сложных условий: акцент, шум, несколько говорящих.

Phonora использует Whisper large-v3, поэтому даже необработанные записи с умеренным шумом часто транскрибируются с точностью 85–92%. После обработки в Audacity — 95–99%.

Шаг 3 — транскрибируйте в Phonora

Шаг 4 — вычитка плохого транскрипта

Даже лучшая модель на плохом аудио даст 10–15% ошибок. Вычитка транскрипта с аудиозаписью — обязательный шаг для журналистских материалов.

Эффективная схема вычитки

• Откройте аудио и текст рядом. Используйте oTranscribe (бесплатный онлайн-редактор) — он позволяет слушать и редактировать одновременно, замедлять скорость до 0.5×.
• Скорость вычитки 0.75×. На 0.75× вы слышите каждое слово отчётливее, не тратя вдвое больше времени.
• Пометьте неразборчивые места [?]. Не тратьте на них время сейчас — пройдёте ещё раз после всего текста.
• Проверьте имена и термины. Специфические имена, названия компаний, термины — самые частые ошибки транскрибаторов.
• [?] — обратитесь к источнику. Если слово неразборчиво и критично — перезвоните и уточните. Это нормальная журналистская практика.

Специфические сценарии

Телефонное интервью

Телефон обрезает частоты выше 4 кГц — именно там живут согласные. Результат: «с» и «з», «п» и «б» путаются. Обязательно обработайте через Adobe Podcast Enhance перед транскрибацией.

Интервью в кафе / на улице

Направленный микрофон во время записи — лучшая инвестиция. Если записи нет — шумоподавление в Audacity и ожидайте 80–90% точности. Остальное — вычитка.

Zoom / Google Meet без облачной записи

Если вы записывали системный звук вместо облачной записи, качество будет хуже. Лучший способ — попросить всех участников нажать «Запись» в интерфейсе Zoom: тогда каждый трек пишется отдельно, и результат значительно лучше.

Интервью с несколькими говорящими

Phonora автоматически помечает смену говорящего. Если в транскрипте реплики перепутаны, проверьте участки с наложением голосов — именно там теряется диаризация.

Когда расшифровать нельзя

Если аудио настолько плохое, что вы сами не можете разобрать слова при прослушивании — транскрибатор тоже не справится. В этом случае:

• Попросите собеседника написать ключевые тезисы письменно
• Проведите повторное короткое интервью по ключевым пунктам
• Используйте фрагменты, которые удалось разобрать, и обозначьте пропуски

Частые вопросы