Головна › Розділення мовців

Мовці · транскрипт розмови

Хто що сказав: розділення мовців у записі

Транскрипт розмови без поділу за голосами — це суцільна стіна тексту, у якій неможливо зрозуміти, хто що сказав. Lesskeys виконує розділення мовців у записі автоматично: ділить його за голосами, підписує репліки й дає мовцям імена, які впізнаються в наступних записах. Усе це відбувається на вашому Mac, без вивантаження запису.

Що дає розділення мовців у записі

Розпізнавання мовлення відповідає на питання, що було сказано. Розділення мовців відповідає на друге, не менш важливе питання — хто це сказав. Лише разом вони дають запис, який справді можна читати: репліка, ім’я, час, наступна репліка.

Українською цю функцію шукають описово — «хто що сказав у записі», «розділити голоси», «розпізнати, хто говорить», «транскрипт з іменами». Фаховий термін для неї — діаризація; далі на сторінці ми його не вживаємо, бо в живій мові він майже не трапляється. Людину, яка говорить, застосунок підписує мовцем — саме так, як прийнято в українському діловому тексті.

Як застосунок відрізняє голоси

Спершу запис ділиться на фрагменти мовлення й відсіюється тиша. Далі для кожного фрагмента рахується числовий «відбиток» голосу — компактний набір чисел, який описує тембр, а не слова. Фрагменти з близькими відбитками об’єднуються в групи: одна група — один голос. Уже після цього кожна група отримує текст, а транскрипт складається в діалог.

Важливо, що застосунок не намагається вгадати, скільки в записі людей, за вашими словами — він виводить це з самого звуку. Якщо ви знаєте кількість учасників наперед, її можна вказати в налаштуваннях, і це помітно допомагає на складних записах: коротка нарада вчотирьох із поганим мікрофоном без підказки може розпастися на більше груп, ніж було людей.

Імена мовців і голосові профілі

Одразу після обробки мовці підписані нейтрально — «Мовець 1», «Мовець 2». Ви замінюєте це на справжні імена, і транскрипт стає читабельним. Далі є два рівні пам’яті:

• У межах запису. Перейменування застосовується до всіх реплік цього голосу одразу, а не по одній.
• Між записами. Голосовий профіль зберігається, тож у наступній нараді той самий голос підписується автоматично. Для команди, яка збирається щотижня, це означає, що після кількох записів імена вже майже не доводиться проставляти вручну.

Профілями можна керувати: перейменувати людину глобально, роз’єднати помилково склеєні голоси або, навпаки, об’єднати два профілі, які насправді належать одній людині. Усі профілі зберігаються локально на вашому Mac разом із рештою даних застосунку.

Голосовий профіль — це дані про людину

Тут потрібна повна ясність. Голос людини є персональними даними в розумінні Закону України «Про захист персональних даних», а збережений голосовий профіль — це вже за своєю природою біометрична характеристика, яка дає змогу впізнати конкретну людину в інших записах. Те, що профіль лежить на вашому диску, а не на чужому сервері, знімає питання «куди він потрапив», але не знімає питання «чи маєте ви право його зберігати».

Ми не заявляємо відповідності ані Закону «Про захист персональних даних», ані GDPR і нічого не сертифікуємо. Оцінка мети обробки та правової підстави — це до вашого юриста або до особи, відповідальної за захист персональних даних у вашій організації. Практичне ж правило просте: попередьте людину і отримайте згоду — окремо на запис і окремо на те, що її голос буде впізнаватися надалі. Профіль, який більше не потрібен, варто видалити.

Згода на запис і на подальше використання

Стаття 163 Кримінального кодексу карає порушення таємниці листування й телефонних розмов, тобто втручання в чужі комунікації. Зворотного висновку — що власну розмову записувати вільно — ми не робимо: це юридична оцінка, яку ми не маємо права давати. Стаття 182 КК стосується незаконного збирання, зберігання, використання й поширення конфіденційної інформації про особу, тож вона працює не лише в момент запису, а й тоді, коли ви надсилаєте комусь підписаний іменами транскрипт. Цивільний кодекс додає право на приватне життя (ст. 301), таємницю телефонних розмов, використання яких потребує згоди (ст. 306), і згоду на відеозйомку (ст. 307) — останнє стосується записів екрана й відеодзвінків.

На роботі окремого закону про запис розмов немає: питання регулюють законодавство про персональні дані та внутрішні правила організації. Тому запис нарад узгоджують заздалегідь із керівництвом і з відповідальною за персональні дані особою, а не ставлять колег перед фактом. Це інформаційний блок, а не юридична консультація, і жодних гарантій щодо доказової сили запису ми не даємо.

Де воно збивається

Розділення мовців — статистична задача, і чесно назвати її межі корисніше, ніж обіцяти безпомилковість.

Тому транскрипт — це чернетка: атрибуцію на складних місцях треба переглянути, а прізвища й терміни поправити. Найдієвіше поліпшення тут не програмне, а організаційне: гарнітури замість одного мікрофона на кімнату й домовленість не перебивати одне одного.

Кому це справді потрібно

• Нарадам і робочим дзвінкам. Протокол, у якому видно, хто взяв на себе завдання, а не просто перелік речень.
• Інтерв’ю й дослідженням. Репліки респондента відокремлені від питань інтерв’юера — цитувати можна одразу.
• Журналістиці. Довга розмова з кількома учасниками, у якій потрібно швидко знайти, хто саме сказав фразу.
• Юристам і консультантам. Зустрічі з кількома сторонами, де плутанина в тому, хто що заявив, неприпустима.
• Подкастам. Розшифровка з підписаними голосами як основа для субтитрів і шоуноутів.

Що поруч у застосунку

Розділення мовців працює і на живому записі (мікрофон плюс системний звук Mac, тож нарада в Zoom, Google Meet чи Microsoft Teams пишеться без жодного бота в кімнаті), і на готових аудіо- та відеофайлах. Кожен фрагмент має мітку часу, транскрипт експортується в TXT, а для субтитрів — у SRT і VTT. Усі записи лежать у локальній бібліотеці, де можна шукати за словом у тексті, за датою або за конкретним мовцем.

Вимоги, ціна й безкоштовна версія

Потрібна macOS 13 (Ventura) або новіша і Mac з Apple Silicon (M1 або новішим) — це обов’язкова вимога, а не рекомендація: на Mac з процесором Intel застосунок не запуститься. Розпізнавання охоплює 99 мов і визначає мову автоматично. Продиктований текст, якщо ви користуєтеся ще й голосовим введенням, потрапляє в буфер обміну — вставляєте його ви через ⌘V, застосунок нічого не друкує сам.

Завантаження безкоштовне. Pro відкриває разова покупка в застосунку — $49.99, в App Store сума показується у валюті вашого облікового запису; це не підписка. У безкоштовній версії доступні 5 хвилин диктування на добу та 5 аудіо- і 5 відеотранскрипцій усього (загальна кількість, не денна). Сам запис не обмежується ніколи, а повторна транскрибація вже розшифрованого файлу квоту не витрачає — тож перезапустити розпізнавання, щоб перевірити поділ на мовців, можна скільки завгодно разів.

Часті запитання

Читайте також