Главная › Кто что сказал

Разделение по голосам · Расшифровка с говорящими

Кто что сказал: разделение записи по голосам

Расшифровка разговора без пометки говорящих читается плохо: сплошной текст, в котором непонятно, кто задавал вопрос, а кто отвечал. Lesskeys автоматически делит запись по голосам — каждая реплика получает своего говорящего, которому можно дать имя. Всё считается на вашем Mac, запись никуда не загружается.

Две разные задачи: что сказано и кем

В расшифровке разговора решаются две независимые задачи. Первая — распознавание речи: превратить звук в слова. Вторая — понять, кому принадлежит каждая реплика. Именно вторая превращает стену текста в читаемый протокол, где видно вопрос и ответ, возражение и уступку.

В профессиональной литературе вторая задача называется диаризацией — если вы искали именно этот термин, вы на нужной странице. Но по-русски люди обычно ищут описательно: «кто что сказал», «разделить по голосам», «определить спикеров в аудио», «расшифровка интервью с несколькими собеседниками». Это всё об одном и том же.

Стоит отличать это от идентификации личности по голосу в смысле проверки «это точно Иванов». Здесь решается более скромная и более полезная задача: сгруппировать реплики по разным голосам внутри записи и дать вам возможность назвать их так, как удобно.

Как запись делится по голосам

Обработка идёт в несколько проходов, и все они выполняются на вашем Mac:

• Находятся участки речи. Тишина, шум и паузы отсекаются, дальше работа идёт только с фрагментами, где кто-то говорит.
• Для каждого фрагмента считается «отпечаток» голоса — компактный числовой вектор, описывающий тембр и манеру, а не содержание слов.
• Похожие отпечатки объединяются в группы. Каждая группа — один говорящий. Если вы знаете число участников, его можно задать вручную, и это заметно повышает точность.
• Реплики соединяются с текстом, получая метки времени и говорящего.

Ни на одном из шагов запись не передаётся наружу: модели лежат на диске, вычисление идёт на графическом ускорителе Apple Silicon. Аккаунт не нужен, интернет тоже.

Имена вместо «Говорящий 1»

Сразу после обработки участники называются нейтрально: «Говорящий 1», «Говорящий 2». Прослушав пару реплик, вы переименовываете их — «Анна», «клиент», «интервьюер», — и весь транскрипт обновляется целиком, а не построчно. В экспортированном TXT имена уже стоят на своих местах.

Если программа разрезала одного человека на двух говорящих (так бывает, когда он то отходит от микрофона, то говорит вплотную), их можно объединить; если склеила двух похожих — реплику можно переназначить вручную.

Голосовой профиль: тот же человек узнаётся в следующий раз

Самая практичная часть. Когда вы дали говорящему имя, его голосовой профиль сохраняется локально, на вашем Mac. В следующей записи тот же человек распознаётся автоматически и сразу подписывается нужным именем.

На одной записи это мелочь. На серии интервью, на еженедельных планёрках с постоянным составом, на регулярных созвонах с одним и тем же клиентом это экономит основную часть ручной работы: не приходится каждый раз заново разбираться, кто здесь первый, а кто второй.

Профили — обычные локальные данные: их видно в приложении, их можно переименовать и удалить. Они не синхронизируются ни в какое облако.

Где это ошибается — честно

Разделение по голосам — статистическая задача, и стопроцентной она не бывает ни у кого. Типичные проблемные ситуации:

• Одновременная речь. Когда двое перебивают друг друга, часть слов теряется, а атрибуция реплик на этом участке плывёт.
• Похожие голоса. Два человека близкого тембра, особенно записанные одним микрофоном издалека, могут склеиться в одного говорящего.
• Плохой звук. Эхо, шум улицы, запись через динамик громкой связи — здесь ошибаются все системы без исключения.
• Очень короткие реплики. «Да», «угу», «согласен» дают слишком мало звука, чтобы уверенно отнести их к кому-то.
• Много участников. Чем больше людей, тем выше шанс ошибки; если число участников известно, задайте его вручную.

Отсюда рабочее правило: сначала пробегитесь по расшифровке и проверьте, кому приписаны ключевые фразы, и только потом рассылайте её. Машинный транскрипт — черновик; гарантии юридической силы расшифровки мы не даём.

Голос — персональные данные, голосовой профиль — биометрия

Это важнее, чем кажется на первый взгляд. Голос человека — его персональные данные, а сохранённый голосовой профиль в ряде юрисдикций относят уже к биометрическим данным, и режим обработки у них строже, чем у обычной записи. Как именно — зависит от вашей страны и вашего сценария.

Локальность здесь помогает, но не отменяет обязанностей. Тот факт, что профиль хранится на вашем Mac и никуда не передаётся, снимает вопрос «кому ещё достались эти данные». Он не снимает вопроса «а спросили ли вы человека». Людей на записи нужно уведомить и получить их согласие — тем более если вы собираетесь хранить их голосовые профили и узнавать этих людей в последующих записях.

Мы описываем только устройство программы и не заявляем ни о каком соответствии требованиям законодательства о персональных данных; сертифицированным решением она не является. Оценку вашего конкретного сценария должен сделать ваш юрист или ответственный за обработку персональных данных.

Перед тем как записывать разговор

Правила записи разговоров различаются от страны к стране, а читатели этой страницы живут в разных юрисдикциях, поэтому ориентир поведенческий, а не ссылка на конкретную норму:

• предупредите участников до начала записи;
• зафиксируйте согласие — первой репликой в самой записи или строкой в протоколе;
• при отказе не записывайте;
• в компании сверьтесь с внутренними регламентами: работник должен быть уведомлён об обработке своих данных, и одного решения того, кто нажимает кнопку, здесь недостаточно;
• отдельно продумайте, кому вы передадите запись и расшифровку потом — распространение чужого частного разговора почти везде рискованнее самой записи.

Это ориентир, а не юридическая консультация.

Кому это нужно

• Интервью и исследования. Расшифровка глубинного интервью с пометкой говорящих — половина работы аналитика.
• Планёрки и совещания. Кто что пообещал и к какому сроку — вопрос, ради которого протокол и ведётся.
• Консультации. Юристы, психологи, врачи — те, для кого сама передача записи подрядчику и есть проблема.
• Продажи. Разбор созвона по репликам клиента, а не по памяти менеджера.

Требования и цена

Нужен Mac на Apple Silicon (M1 или новее) — обязательно, на Intel-Mac приложение не работает, и macOS 13 (Ventura) или новее. Поддерживается 99 языков с автоопределением.

Загрузка бесплатна: в бесплатной версии доступны 5 минут голосового ввода в сутки (продиктованный текст попадает в буфер обмена, вставляете его вы сами через ⌘V) и 5 расшифровок аудио плюс 5 расшифровок видео суммарно (не в день), а сама запись не ограничена; повторная расшифровка уже обработанного материала лимит не тратит. Ограничения снимает разовая встроенная покупка $49.99 — не подписка, платёж один раз; итоговую цену в вашей валюте показывает App Store.

Частые вопросы

Читайте также