Встроенная расшифровка Zoom требует бизнес-план за 199 долларов на пользователя в год. Забудьте об этом. Запишите локально, перетащите .m4a в бесплатное приложение для Windows и получите полную расшифровку за несколько минут.
Работает с любым тарифом Zoom, включая бесплатный.
Откройте Zoom, перейдите в «Настройки», «Запись» и включите локальную запись. Выберите папку, которую потом будет легко найти (по умолчанию это «Документы», «Zoom»). Локальная запись доступна бесплатным пользователям Zoom, если вы являетесь организатором встречи. Если вы не организатор, попросите его либо записать встречу самому, либо дать вам разрешение на запись.
Во время звонка нажмите «Запись» на панели инструментов Zoom (или используйте Alt+R) и выберите «Запись на этом компьютере», если у вас есть и локальная, и облачная опции. Zoom покажет небольшой индикатор записи в углу, чтобы все знали о ней. Когда звонок завершится, просто выйдите из встречи. Zoomу потребуется минута или две, чтобы конвертировать запись в итоговые файлы.
Откройте «Проводник» и перейдите в «Документы», «Zoom». Внутри вы увидите вложенные папки с датами для каждой записи. Откройте самую последнюю. Вы найдете файл audio_only.m4a (звук звонка, файл меньшего размера) и zoom_0.mp4 (видео с демонстрацией экрана). Для расшифровки вам нужен только аудиофайл. Видеофайл тоже подойдет, если вы предпочитаете его; StarWhisper автоматически извлекает звук из .mp4.
Установите StarWhisper, если еще этого не сделали. Откройте приложение и перетащите audio_only.m4a из «Проводника» в окно программы. Приложение определит язык и начнет расшифровку. Часовой звонок обычно обрабатывается от 5 до 15 минут на современном ЦП или от 1 до 3 минут на ГП NVIDIA. Прогресс отображается в реальном времени. Вы можете оставить приложение работать в фоновом режиме.
Расшифрованный текст появится в окне StarWhisper. Прочитайте его, скопируйте весь текст в буфер обмена или сохраните в файл .txt. Вставьте его в Notion, OneNote, Google Docs или вашу систему заметок для встреч. Расшифровка представляет собой простой текст без меток дикторов, что делает файл универсальным и удобным для редактирования. Итоговая стоимость — ноль. Никаких загрузок в облако, апгрейда до Zoom Business или поминутной оплаты.
Бесплатный метод, который делает то же, что и план за 199 долларов.
Zoom Business стоит около 199 долларов на пользователя в год. Этот метод позволяет остаться на бесплатном тарифе Zoom и использует бесплатную локальную расшифровку StarWhisper. Годовая экономия быстро растет как для одиночных пользователей, так и для небольших команд.
И локальная запись Zoom, и расшифровка StarWhisper хранятся на вашем жестком диске. Никакой загрузки на серверы Zoom для расшифровки и никаких сторонних ботов, подключающихся к звонку.
Тот же процесс работает для Microsoft Teams, Google Meet, Webex, Slack Huddles или любого другого звонка, записанного локально. Имеет значение только аудиофайл.
Работаете с командой из Берлина, Токио и Сан-Паулу? Whisper автоматически определяет язык каждой записи. Подробнее о поддержке языков.
Эта же установка позволяет вам надиктовывать текст голосом прямо в чат Zoom (или любое другое текстовое поле). См. руководство по голосовому вводу в Zoom для процесса с нажатием и удержанием.
Владельцы ГП NVIDIA обрабатывают часовую встречу за 1–3 минуты через CUDA. Без ГП вы все равно получаете приемлемую скорость на современных ЦП. Подробнее о ГП.
В Zoom есть автоматическая расшифровка встреч, но только на тарифе Business и выше. На момент написания статьи тариф Business стоит примерно 199 долларов на пользователя в год (от 149 до 199 в зависимости от срока контракта и количества мест). Для внештатного специалиста или небольшой команды, большинству звонков которых не требуется расшифровка в реальном времени, это большие деньги за функцию, которая нужна лишь изредка.
У официальной расшифровки Zoom есть и ограничения, которые удивляют в первый раз. Звук обрабатывается в облаке Zoom, поэтому он покидает вашу сеть. Записи хранятся на серверах Zoom в соответствии с их политиками хранения данных. И это работает только для звонков Zoom: сервис не сможет расшифровать записанную встречу Microsoft Teams или интервью для подкаста, которое вы записали в другом месте.
В этом руководстве описан альтернативный метод, к которому в итоге приходят большинство пользователей. Сохраните бесплатный тариф Zoom, используйте встроенную локальную запись (которая бесплатна) и обработайте полученный файл с помощью StarWhisper на вашем ПК с Windows. Итоговая стоимость: ноль. Годовая экономия по сравнению с Zoom Business: 199 долларов с каждого пользователя.
Когда вы записываете встречу в Zoom локально как организатор, Zoom фиксирует смешанный звук всех участников (ваш микрофон плюс потоки микрофонов всех остальных). Это сохраняется в файл audio_only.m4a. Также записывается сетка видео и демонстрация экрана в файл zoom_0.mp4. Для расшифровки вам нужен только файл .m4a.
То, чего вы НЕ получите по умолчанию — это раздельное аудио для каждого спикера. Запись представляет собой один смешанный трек. Это значит, что StarWhisper выдаст сплошной текст без меток дикторов. Для большинства задач, таких как поиск задач и решений, этого достаточно: текст быстро читается, а кто что говорил, легко вспомнить по ходу обсуждения. Если разделение по дикторам критически важно для вашего процесса, вам понадобится платный облачный сервис транскрипции или более сложная локальная настройка. Честное признание.
Zoom также записывает текст, который вы показываете на экране. Расшифровка содержит только устную речь, а не текст на экране. Если кто-то показал документ с важной информацией, сохраните этот документ отдельно.
Однократная настройка в Zoom, которая сделает весь остальной процесс простым:
Вот и все. Будущие встречи будут записываться локально в эту папку. Это нужно настроить только один раз для каждого компьютера.
Расшифровка записанной встречи происходит быстрее, чем в реальном времени, иногда намного быстрее. Точная скорость зависит от вашего оборудования и того, какую модель Whisper вы используете. Примерные цифры для средней модели по умолчанию на типичных компьютерах:
| Оборудование | Встреча 30 мин | Встреча 60 мин | Встреча 2 часа |
|---|---|---|---|
| Современный ЦП ноутбука (i7 или Ryzen 7) | 3–6 мин | 6–12 мин | 12–25 мин |
| NVIDIA RTX 3060 (CUDA) | 30–60 сек | 1–2 мин | 2–5 мин |
| NVIDIA RTX 4090 (CUDA) | 10–20 сек | 20–40 сек | 1–2 мин |
| Старый ЦП (5+ лет) | 10–20 мин | 25–45 мин | 50–90 мин |
Для большинства офисных ноутбуков, купленных за последние три года, часовую встречу можно расшифровать за 6–12 минут. Это быстрее, чем прослушивать встречу заново на скорости 2x. Если вы часто расшифровываете встречи и у вас есть ГП NVIDIA, включение пакета CUDA сократит время на порядок.
Стоит упомянуть еще один сценарий использования. Помимо расшифровки записанных встреч, главная функция StarWhisper — это голосовая диктовка в любое текстовое поле при нажатии и удержании клавиши. Во время звонка в Zoom вы можете использовать ее для ввода текста в чат голосом, не отрывая взгляда от камеры.
Процесс: кликните в поле ввода чата Zoom, удерживайте горячую клавишу StarWhisper (по умолчанию правый Alt), произнесите сообщение, отпустите. Ваша речь превратится в напечатанный текст. Это удобно для отправки подробных сообщений участникам во время демонстрации экрана, для быстрого создания заметок во время звонка без переключения на приложение для заметок, или для ведения параллельной ветки чата на фоне устной беседы.
Полное руководство по диктовке в реальном времени в Zoom см. на отдельной странице голосовой ввод в Zoom. Движок расшифровки тот же; отличается только способ активации.
Этот метод хранит звук встречи и расшифровку на вашем устройстве. Локальная запись Zoom сохраняется на ваш жесткий диск. StarWhisper в локальном режиме обрабатывает его локально. Итоговая расшифровка — это файл .txt на вашем ПК. Ничто не покидает вашу сеть, если только вы сами не решите поделиться этим (вставить в облачный документ, отправить по email, загрузить в сеть).
Для сравнения, альтернативы. Otter.ai присоединяется к вашей встрече как бот и загружает звук на свои серверы. Notta делает то же самое. Даже собственная расшифровка Zoom обрабатывает звук в облаке Zoom. Для конфиденциальных звонков (обсуждение слияний и поглощений, оценки эффективности, интервью с клиентами по NDA) метод только для локальной обработки является значимым улучшением. На странице архитектуры приватности и офлайн-режима представлен полный анализ потока данных.
Если вы работаете в регулируемой отрасли (здравоохранение, юриспруденция, финансовые услуги), эта же архитектура поддерживает ваш комплаенс. В FAQ по соответствию HIPAA подробно описано, что локальная обработка означает для защищенной медицинской информации.
Менеджеры по продажам, проводящие звонки для выявления потребностей, рекрутеры, проводящие собеседования, и аккаунт-менеджеры, обсуждающие продление контрактов — всем им полезны расшифровки записанных звонков. Процесс здесь тот же: запишите локально, расшифруйте потом. Если вы хотите узнать подробнее о том, как отделы продаж и HR-отделы используют локальную расшифровку, см. страницы для конкретных ролей. Руководство по голосовому вводу для HR-менеджеров охватывает процессы скрининга кандидатов. Страница голосового ввода для создателей контента описывает процессы для подкастов и интервью, которые во многом пересекаются с расшифровкой звонков продаж.
Надиктовывайте текст голосом прямо в чат Zoom во время живого звонка.
Тот же процесс локальной записи для звонков и расшифровок в Teams.
Конвертируйте записи Google Meet с Диска в текст с возможностью поиска.