Главная › Как перевести речь в текст

Инструкция · Речь в текст на Mac

Как перевести речь в текст на Mac: по шагам

За одним запросом прячутся два разных сценария: продиктовать текст голосом прямо сейчас — и расшифровать уже готовую запись или файл. Ниже разобраны оба, шаг за шагом, на примере Mac, где всё считается локально: аудио никуда не загружается, а интернет нужен ровно один раз.

Шаг 0. Проверьте, подойдёт ли ваш Mac

Это первый шаг, а не сноска внизу страницы, потому что здесь отсекается часть читателей. Нужны:

• macOS 13 (Ventura) или новее;
• Mac на Apple Silicon — чип M1 или новее. Это обязательное требование, а не рекомендация. На Intel-Mac приложение не запускается.

Проверка занимает секунд десять: меню Apple → «Об этом Mac» → строка «Чип». Если там написано Intel, приложение на этом компьютере не запустится: модели нужна унифицированная память Apple Silicon, где процессор и графика работают с одним массивом данных.

Шаг 1. Выдайте доступ к микрофону

При первом запуске macOS спросит разрешение на микрофон — без него записывать нечего. Если вы собираетесь расшифровывать звонки и онлайн-встречи, понадобится ещё разрешение на запись экрана: именно так на Mac технически забирается системный звук, то есть то, что говорят собеседники в Zoom, Teams, Google Meet, Telegram или Яндекс Телемосте. Разрешения выдаются один раз в «Системных настройках» → «Конфиденциальность и безопасность».

Если микрофон Bluetooth, дайте гарнитуре секунду-полторы на переключение в режим микрофона: очень короткое нажатие в первый момент может не захватить звук.

Шаг 2. Один раз скачайте модель распознавания

Модель — это файл с весами нейросети, который живёт у вас на диске. Скачивается он один раз при первом запуске: в зависимости от выбранной модели это от нескольких сотен мегабайт (около 466 МБ у самой лёгкой) до примерно 1,6 ГБ у самой точной. Более крупная модель точнее, но занимает больше памяти и считает дольше — компромисс здесь ваш, а не спрятан за тарифом.

После этой загрузки интернет для распознавания не нужен вообще. В самолёте, в поезде и в помещении без сети всё работает одинаково.

Шаг 3а. Продиктовать текст: ⌥Space

Сценарий «мне надо написать сообщение, письмо или абзац, но печатать долго».

1. Удерживайте ⌥Space (Option + пробел).
2. Говорите обычным темпом, не по слогам.
3. Отпустите клавишу. Речь распознаётся на графическом ускорителе вашего Mac — это занимает секунды, без обращения к сети.
4. Готовый текст оказывается в буфере обмена. Ставите курсор куда нужно и вставляете сами: ⌘V.

Последний пункт стоит проговорить прямо: приложение не печатает текст самостоятельно в чужие окна. Это осознанное решение, а не недоделка — вы видите результат до того, как он куда-то попадёт, и случайная диктовка не улетает в рабочий чат. Работает это в любом приложении, где вообще можно вставить текст.

Шаг 3б. Расшифровать запись или файл

Сценарий «звук уже есть, нужен текст». Здесь два пути:

• Файл — перетащите его в окно программы. Понимает mp3, m4a, wav и видео вроде mov: из видео звуковая дорожка извлекается автоматически.
• Запись прямо сейчас — включите запись в приложении перед встречей, лекцией или звонком. Пишется и микрофон, и системный звук, так что собеседников в онлайн-созвоне слышно, а бота-участника в конференцию приглашать не нужно.

Дальше начинается сама расшифровка, и она идёт локально: файл не уходит на сторонний сервер ни целиком, ни кусками.

Шаг 4. Язык определяется автоматически

Поддерживается 99 языков, и по умолчанию язык определяется сам по первым секундам речи. Практический совет из опыта: если вы постоянно работаете на двух-трёх языках, сузьте список в настройках до них. Иначе короткая, тихая или невнятная фраза иногда «уезжает» в чужой язык — модель честно выбирает из всех девяноста девяти вариантов, и на обрывке звука ошибиться легко.

Смешанная речь внутри одной фразы — отдельная сложность для любой системы распознавания, не только для этой. Термины и названия на другом языке чаще всего проще поправить руками, чем настроить.

Шаг 5. Что получается на выходе

Для голосового ввода выход простой — текст в буфере обмена. Для расшифровки записи вы получаете полноценный документ:

• реплики с метками времени — можно вернуться к нужному месту в звуке;
• разделение по голосам — видно, кто что сказал; говорящим можно присвоить имена, подробнее об этом на странице кто что сказал;
• экспорт расшифровки в TXT;
• субтитры в SRT и VTT, если запись была видео;
• выгрузка истории в TXT, JSON или CSV;
• поиск по словам внутри всех расшифровок — архив записей превращается в базу, где реально что-то находится.

Сколько времени занимает расшифровка

Точной цифры здесь не может дать никто, и любая обещанная кратность была бы выдумкой: считает ваш собственный Mac, поэтому время зависит от его модели, от выбранной модели распознавания и от длины записи. Порядок величин такой: короткая диктовка на несколько предложений превращается в текст за секунды, а часовая запись совещания заметно займёт компьютер — это работа, которую в облачном сервисе выполняет чужой сервер, а здесь выполняете вы.

Из этого следуют три практических вывода. Крупная модель точнее, но медленнее — на длинных файлах разница ощутима, и её стоит выбирать осознанно. Расшифровку длинной записи разумно ставить тогда, когда Mac вам не нужен прямо сейчас: вентилятор может включиться, а ноутбук на батарее сядет быстрее обычного. И наоборот, ждать очереди, лимита в минутах или письма «ваш файл обработан» не приходится — очереди просто нет.

Повторная расшифровка уже обработанного материала — например, с другой моделью или с заданным вручную числом говорящих — доступна всегда и лимит не тратит, так что экспериментировать с настройками можно спокойно.

Что действительно влияет на результат

Ни одна программа не вытянет плохой звук, поэтому три четверти качества закладывается до нажатия кнопки:

• Микрофон ближе к говорящему. Гарнитура или петличка бьют любой встроенный микрофон через стол.
• Не перебивать друг друга. Наложенная речь — главный источник и ошибок в тексте, и путаницы в атрибуции реплик.
• Тихая комната. Кондиционер, улица и посуда съедают окончания слов.
• Не ждать чуда от записи через динамик. Телефон, поставленный рядом с колонкой, — заведомо плохой источник.
• Заложить время на вычитку. Имена, названия компаний, аббревиатуры и профессиональные термины правятся руками почти всегда.

Мы намеренно не обещаем процентов точности и не измеряем скорость «во столько-то раз быстрее печати»: обе цифры зависят от вашей записи, а не от программы, и любая конкретная величина здесь была бы враньём.

Если вы записываете не только себя

Как только в записи появляется чужой голос, техническая часть перестаёт быть главной. Правила отличаются от страны к стране, поэтому ориентируйтесь на поведение: предупредить участников до начала записи, зафиксировать согласие первой репликой в самой записи или строкой в протоколе, при отказе не записывать, а в рабочем контексте — свериться с внутренними регламентами компании и с местным законодательством. Скрытая запись чужого частного разговора и его распространение — самая рискованная зона почти везде. Это ориентир, а не юридическая консультация; гарантии юридической силы расшифровки мы не даём.

Сколько это стоит

Загрузка из Mac App Store бесплатна, и попробовать можно на собственных записях. Бесплатная версия даёт 5 минут голосового ввода в сутки, а также 5 расшифровок аудио и 5 расшифровок видео всего — не в день, а суммарно. При этом сама запись не ограничена ничем, кроме места на диске, и повторная расшифровка уже обработанного материала лимит не тратит.

Дальше — разовая встроенная покупка $49.99, которая снимает ограничения. Это не подписка: платёж один раз. Итоговую цену в вашей валюте показывает App Store.

Частые вопросы

Читайте также