Кальтер / Блог

Как расшифровать длинное аудио с разделением говорящих и проверить спорные фрагменты

Как подготовить стенограмму длинной записи: разделить голоса, сохранить таймкоды и проверить спорные имена, числа и фрагменты.

Материал подготовлен с помощью ИИ; первичные источники и примеры проверены редакцией ZASLON 14 ноября 2026 года. Учебные данные и результаты сторонних компаний обозначены в тексте.

Редакционная схема: Проверяемая стенограмма. Условные обозначения, не скриншот сервиса или реальной операции.
Редакционная схема: Проверяемая стенограмма. Условные обозначения, не скриншот сервиса или реальной операции.

Проверяемая стенограмма длинной записи должна содержать не только распознанные слова, но и временные отметки, условные метки голосов, исправления и список неуверенных мест для повторного прослушивания. Метка Голос A или speaker_0 обозначает кластер звука, а не установленную личность человека. Не заменяй её именем, должностью или авторством без отдельного подтверждения.

В документации OpenAI есть специальный режим diarization для существующих интеграций, который выдаёт сегменты с метками голоса и временными границами; для длинных записей описана обработка по чанкам. Но указанная модель помечена как устаревающая и должна быть отключена 26 февраля 2027 года. Это пример текущей документации и ограничение для тех, у кого уже есть такая интеграция, а не рекомендация строить новый универсальный рабочий стек. Загрузка аудио в ChatGPT также зависит от плана, рабочего пространства, региона и клиента; качество распознавания различается по языкам. Руководство OpenAI по транскрибации файлов, справка о загрузке аудио в ChatGPT.

До обработки

  • Уточни, можно ли записывать и обрабатывать эту запись по правилам организации и применимым требованиям.
  • Сохрани оригинал отдельно и сделай рабочую копию; не редактируй единственный файл.
  • Запиши длительность, частоту дискретизации, язык и контрольную сумму исходника, если важна воспроизводимость.
  • Составь короткий словарь вероятных имён, терминов и сокращений; не подсказывай личности, которых ты не подтвердил.
  • Если используешь облачную систему, проверь план, рабочее пространство и настройки данных до загрузки.

Разметь и проверь сегменты

После первичного распознавания раздели запись на сегменты по времени. Для каждого сохрани начало, конец, условный speaker label, распознанный текст, состояние проверки и комментарий. Затем слушай оригинал вокруг границы сегмента — например, по несколько секунд до и после спорного места, чтобы не вырезать согласный звук или короткую реплику другого участника.

Таймкод Метка голоса Черновой текст Проверка Комментарий
00:01:12–00:01:18 Голос A «переносим запуск на среду» Прослушано В исходнике отчётливо слышно «среду»
00:01:18–00:01:23 Голос B? «согласовано» Неуверенно Короткое наложение, повторно проверить канал/скорость
00:01:23–00:01:31 Голос A «сумма — пятнадцать…» Открытый вопрос Не угадывать валюту или окончание; пометить как [неразборчиво] до подтверждения

Пример вымышленный. Метка B? говорит только о предположении, что слышен другой акустический голос. Если два человека говорят одновременно, не склеивай фразы в одну реплику. Отметь перекрытие и запиши обе части лишь тогда, когда слова действительно различимы. Не назначай говорящему должность по смыслу фразы: человек, который произносит «я отправлю», не обязательно владелец задачи.

Если запись приходится делить на части

Проверь пределы файла у выбранного сервиса. Если делишь запись вручную, веди карту фрагментов: имя файла, начало и конец в оригинале, перекрытие с соседним фрагментом. Сохраняй исходную временную шкалу. Учебный пример: файл B начинается на 00:10:00 оригинала; локальная отметка 00:02:15 соответствует 00:12:15 исходной записи. На стыках прослушай перекрывающийся участок, убери повтор текста, но не потеряй реплику.

Не считай метку speaker_0 из файла A тем же человеком, что speaker_0 из B: при отдельных запусках обозначения могут назначаться заново. До прослушивания совпадения храни локальные метки A:0 и B:0. Запрос к системе можно сформулировать так: «Сохрани речь без пересказа; отметь временные границы и смены голоса, если функция их поддерживает; не угадывай неразборчивые слова». Если временных меток нет, расставь их при сверке с проигрывателем, а не проси модель придумать время.

Как работать с именами и числами

Имена, суммы, даты, отрицания и единицы измерения проверяй по оригиналу независимо от контекста. Для имени используй подтверждённое написание только если у тебя есть разрешённый список; иначе оставь «имя неразборчиво». Для числа прослушай участок повторно и отметь, что именно неясно: разряд, дробная часть, валюта или единица. Не «улучшай» речь догадкой модели.

Сохрани два слоя: неизменённую машинную расшифровку и вычитанную версию с журналом исправлений. Это позволяет отличить исходное распознавание от редакторского решения и вернуться к спорному фрагменту. Если участник оспаривает цитату, покажи временной диапазон и аудио, а не только итоговый текст.

Критерий готовности

Стенограмма готова к передаче, когда каждый сегмент имеет таймкод, метки голосов остаются условными, имена и числа проверены либо помечены как неопределённые, а места с перекрытием и неразборчивостью не скрыты. Не выдавай diarization за биометрическую идентификацию и не обещай безошибочный текст. Для короткой диктовки есть отдельный чеклист проверки имён и чисел; процесс выпуска протокола встречи описан в статье о заметках встречи с ИИ.