Как расшифровать длинное аудио или большой файл?

Как уменьшить файл

• Извлеките звук из видео: FFmpeg делает это одной командой, например ffmpeg -i запись.mp4 -vn -ac 1 звук.mp3.
• Переведите в моно: для речи второй канал почти ничего не даёт.
• Сожмите WAV в MP3 или M4A — распознавание от этого почти не страдает.
• Вырежьте тишину в начале и конце, перерывы и музыку.

Как разделить на части

Режьте по естественным паузам — между темами, после перерыва, — а не посередине фразы. FFmpeg умеет резать на равные куски командой с параметром -f segment -segment_time 1800 (по 30 минут). После расшифровки склейте текст по порядку и проверьте стыки: на границе частей иногда теряется или дублируется пара слов.

Помните, что при разделении сервис заново определяет спикеров в каждом куске — «Спикер 1» в первой части может быть «Спикером 2» во второй.

Что делать с многочасовым текстом

Расшифровка трёхчасового семинара — это десятки страниц. Сразу сделайте оглавление по темам и краткое содержание каждой части, а решения и задачи вынесите отдельно. Полный текст оставьте как источник для поиска.

Как это устроено в Fast Notes

В Fast Notes одна встреча может длиться до 3 часов: файл загружается целиком, спикеров можно переименовать, а саммари собирается по шаблону. Сколько минут встреч входит в тариф — на странице о голосе и встречах.

Источники

• FFmpeg: документация