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.
