Как перевести видео в текст по ссылке

Два пути к тексту: готовые субтитры и распознавание

Текст из ролика достаётся одним из двух способов, и разница между ними принципиальная. От неё зависит и скорость, и качество, и то, сколько придётся ждать.

Первый путь — забрать то, что уже написано. У большинства роликов на крупных площадках есть дорожка субтитров: либо автор загрузил её сам, либо площадка сделала автоматическую. Это обычный текстовый файл, лежащий рядом с видео. Распознавать нечего, текст нужно только скачать и привести в читаемый вид. Поэтому счёт идёт на секунды: часовой стрим отдаётся примерно за 8 секунд, и длительность ролика на это почти не влияет — двухчасовая запись обрабатывается не сильно дольше пятиминутной.

Второй путь — распознавание речи. Он включается там, где готового текста нет: своя запись с диктофона, видео с телефона, ролик без субтитров, присланный кем-то файл. Звук прогоняется через модель, и вот это уже минуты работы, причём чем длиннее запись, тем дольше. Здесь же начинаются ограничения, и они есть у всех сервисов: распознавание стоит вычислений, а скачивание готового файла не стоит почти ничего. У бесплатных инструментов это выливается либо в потолок по длине записи, либо в очередь.

Когда спрашивают, как перевести видео в текст нейросетью, речь именно о втором пути. За словом «нейросеть» в этой задаче стоит модель распознавания, которая превращает звук в последовательность слов. К первому пути нейросети тоже причастны — автоматические субтитры площадка делает той же техникой, — но эта работа сделана заранее и один раз для всех зрителей.

Отсюда практический вывод, экономящий больше всего времени: прежде чем искать, чем расшифровать ролик, проверьте, не расшифрован ли он уже.

• у роликов крупных площадок автоматическая дорожка есть почти всегда;
• если субтитры загрузил сам автор, текст вычитан человеком — это лучшее качество, какое вообще можно получить;
• у совсем свежей публикации дорожка может ещё не сформироваться, обычно она появляется в течение часа-другого;
• у записи с диктофона, голосового сообщения и видео с телефона субтитров нет и быть не может;
• у закрытых и платных материалов текста не получит никто, и это относится к любому законному способу из списка ниже.

Что приходит на выходе

Ожидания честнее выставить сразу, иначе результат разочарует. Распознанный текст приходит без знаков препинания — сплошным потоком слов. Это не недоделка конкретного сервиса, а свойство технологии: модель превращает звук в слова, а расставить точки, запятые и абзацы — отдельная задача, которую автоматика делает далеко не всегда и не всегда верно. Имена, фамилии, названия и узкие термины распознаются хуже обычной речи.

Готового вычитанного текста, который можно сразу отдать в вёрстку, не даёт ни один автоматический способ — ни платный, ни бесплатный. Зато такой поток слов прекрасно решает три задачи: найти нужный момент поиском, вытащить цитату, быстро понять содержание без просмотра. Субтитры площадки в этом смысле приятнее — они приходят уже разбитыми на короткие строки по фразам, читать их заметно легче.

Способ 1. Готовые субтитры площадки

Самый быстрый вариант, и именно его большинство пропускает. Задача сводится не к распознаванию, а к скачиванию: дорожка уже есть, нужно достать её и превратить в нормальный текст без служебной разметки.

Как скачать автоматические субтитры с YouTube

Штатной кнопки «сохранить субтитры» у зрителя нет — она есть только у автора ролика в его студии. Поэтому вариантов два: скопировать текст из панели расшифровки прямо на странице (об этом следующий раздел) или отправить ссылку посреднику, который заберёт дорожку и вернёт готовый текст.

Второй путь удобнее тем, что результат приходит одним куском, без таймкодов через каждую строку и без ручного выделения мышью. Так же, как со ссылкой на ролик, работает запрос «скачать субтитры с YouTube в текст»: на входе адрес страницы, на выходе текст.

Где этот способ хорош и где бесполезен

Хорош: длинные стримы и лекции, где панель расшифровки превращается в бесконечную простыню; телефон, где выделять текст пальцем мучительно; ситуация, когда нужен именно файл или сообщение, которое потом можно найти поиском.

Бесполезен ровно в одном случае — когда субтитров нет. Своя запись, видео с камеры, ролик малоизвестного автора без автоматической дорожки: брать нечего, и включается распознавание со всеми его издержками — временем и очередью.

Стоит это, как правило, ничего. Скачивание готового файла настолько дёшево, что ограничивать его смысла нет: у Хомяка, например, готовые субтитры отдаются сразу, а вот распознавание речи требует вычислений и потому занимает минуты.

Способ 2. Встроенная расшифровка на самой площадке

Крупные видеоплощадки давно показывают текст ролика прямо на странице. На компьютере под описанием есть кнопка, открывающая панель с расшифровкой: строки идут одна за другой с таймкодами, по клику плеер перематывается на нужное место. Таймкоды обычно можно отключить и скопировать чистый текст.

Где удобен:

• нужно найти один момент в ролике — панель ищется браузерным поиском по странице;
• нужна короткая цитата, а не весь текст;
• вы за компьютером, и ролик открыт в браузере;
• не хочется никуда ничего отправлять: текст никуда не уходит, вы просто копируете его со страницы.

Где неудобен: на телефоне копирование длинного текста из панели — отдельное упражнение; текст нельзя получить файлом; на трёхчасовом стриме прокрутка панели утомляет; у части площадок такой панели нет вовсе; для собственной записи способ не работает в принципе — панель показывает только то, что уже подготовила площадка.

Цена нулевая, лимитов никаких. Если вы у компьютера и ролик короткий, разумнее всего начать именно с этого — не нужно вообще ничего искать.

Способ 3. Онлайн-сервисы транскрибации видео в текст

Категория сайтов, куда загружают файл или вставляют ссылку, а обратно получают расшифровку. Их десятки, устроены они похоже, и выбирать имеет смысл не по названию, а по трём вещам: сколько минут отдают бесплатно, требуют ли регистрацию и что происходит с вашей записью после обработки.

Плюсы категории честные:

• работают с чем угодно, включая записи, которых нет ни на какой площадке;
• часто отдают текст в нескольких форматах и позволяют править его прямо на сайте;
• у части сервисов есть разделение говорящих и авторасстановка знаков препинания;
• ничего не нужно устанавливать.

Минусы такие же предсказуемые. Обещание «перевести видео в текст онлайн бесплатно» почти всегда упирается в лимит на длину записи: бесплатный кусок ограничен несколькими минутами, дальше просят оплату. Многие требуют регистрацию до того, как покажут результат. Если сервис принимает только файл, ролик придётся сначала скачать, а гигабайтное видео с телефона загружается небыстро — вот тут и выручает знание, что аудиодорожка часовой записи весит 25-30 МБ против 600-900 МБ у видео 1080p. И главное: запись уходит на чужой сервер, поэтому совещание с реальными фамилиями и цифрами туда лучше не отправлять.

Так что расшифровка аудио из видео в текст через онлайн-сервис — рабочий вариант для разовой задачи средней длины, но плохой для регулярной работы и для чувствительных записей.

Способ 4. Программа на компьютере

Модель распознавания можно поставить себе локально и гонять записи любой длины без интернета и без чужих серверов. Для чувствительных материалов это единственный по-настоящему спокойный вариант.

За что любят: запись не покидает компьютер; ничьей общей очереди тут нет; длина не ограничена ничем, кроме терпения; результат воспроизводим — одна и та же запись даёт один и тот же текст.

За что не любят: установка отпугивает, часть решений живёт в командной строке; нужен приличный компьютер, на слабом ноутбуке час записи считается долго; с телефона так не сделаешь; видео придётся скачать самому и, скорее всего, самому же вытащить из него звук. Плюс качество зависит от выбранной модели: маленькая работает быстро и ошибается, большая точнее, но требует памяти и времени.

Кому реально подходит: юристам, врачам, исследователям, журналистам с закрытыми интервью — всем, у кого запись нельзя выкладывать наружу, и у кого таких записей много.

Способ 5. Расшифровать вручную

Способ, который никуда не делся, потому что даёт качество, недостижимое для автоматики. Порядок работы примерно такой:

1. Заберите из ролика только звук — аудиофайл легче видео в десятки раз и не тормозит на перемотке.
2. Откройте его в плеере, который умеет замедленное воспроизведение: на пониженной скорости успеваешь печатать почти синхронно.
3. Настройте горячие клавиши паузы и отмотки назад на несколько секунд — без них расшифровка превращается в возню с мышью.
4. Печатайте блоками по смыслу, сразу отмечая таймкоды в тех местах, к которым захотите вернуться.
5. Прочитайте готовый текст целиком и поправьте термины и имена, пока запись ещё в памяти.

Цена — время, и его уходит в разы больше, чем длится сама запись. Зато на выходе получается то, чего не даст ни один автомат: правильные знаки препинания, корректные фамилии и термины, разделённые реплики, убранные слова-паразиты.

Когда это оправдано:

• нужен короткий фрагмент, а не весь ролик, — руками быстрее, чем настраивать что-либо;
• цитата пойдёт в статью или документ, где ошибка в слове недопустима;
• запись юридически значимая;
• звук плохой: шум, эхо, сильный акцент, несколько человек говорят одновременно — на таком материале автоматика ошибается больше всего.

Разумный компромисс — гибрид: черновик получить автоматически за секунды, а руками только вычитать. Экономит больше всего сил, и именно так работает большинство людей, которым расшифровки нужны постоянно.

Способ 6. Телеграм-бот: ссылка и кнопка «Текст»

Вариант для случая, когда вы с телефона, у вас есть ссылка и нет желания что-либо ставить и настраивать. Работает так:

1. Скопируйте адрес ролика: в приложении площадки через «Поделиться», в браузере — из адресной строки.
2. Отправьте ссылку боту @homyak_video_bot обычным сообщением.
3. Дождитесь карточки — бот покажет название, автора, дату и длительность.
4. Нажмите кнопку «Текст».
5. Заберите расшифровку из чата. Она остаётся в переписке и потом находится поиском по личному архиву.

Внутри работает та самая развилка из первого раздела: сначала бот проверяет, есть ли у площадки готовые субтитры, и если они есть — часовой стрим превращается в текст примерно за 8 секунд. Если субтитров нет, включается распознавание речи, и это уже минуты. Ссылки принимаются примерно с 1800 площадок, так что перевести видео в текст с ютуба, из ВКонтакте, Rutube, Дзена или Instagram получается одинаково, без отдельного инструмента под каждый сайт.

Отправить можно не только ссылку, но и свой файл: видео с камеры, аудиозапись, голосовое сообщение, видеокружок. Формат определяется по содержимому, а не по расширению, поэтому переименованные и странные файлы бот тоже понимает.

Стоит это ничего: ни оплаты, ни регистрации, ни ввода карты. Разница между двумя путями к тексту здесь и проявляется — субтитры отдаются сразу, потому что их нужно только забрать, а распознавание речи идёт по одной задаче за раз, общей очередью на всех. В час пик к минутам работы добавляется ожидание, но сидеть у экрана не нужно: текст придёт в чат сам.

Кроме полной расшифровки есть краткая выжимка содержания и разделение двоих говорящих по репликам. Обе функции работают, но пока в состоянии беты. Разделение трёх и более участников, нужное для записи совещания, появится позже.

Где бот неудобен, лучше сказать прямо. Часовая запись без субтитров распознаётся не мгновенно: это минуты работы, и чем длиннее ролик, тем их больше. Речь не переводится на другой язык: английская лекция вернётся английским текстом. Ролик не режется по таймкоду, забрать «только с двадцатой по тридцатую минуту» нельзя. Закрытые и платные материалы бот не берёт принципиально.

Сравнение способов и выбор под задачу

Перевести видео в текст по ссылке можно шестью разными путями, и лучшего вообще среди них нет — есть подходящий под конкретную задачу.

Читать её лучше не сверху вниз, а от своей задачи.

• Нужен один момент из ролика на компьютере — панель расшифровки на площадке, ничего искать не надо.
• Нужен весь текст длинного стрима, и вы с телефона — готовые субтитры через бота, это секунды.
• Своя запись, короткая — распознавание любым удобным способом, включая бота.
• Своя запись, длинная и чувствительная — программа на компьютере, наружу ничего не уходит.
• Текст пойдёт в публикацию — автоматический черновик плюс ручная вычитка.

Как перевести лекцию в текст

Самый частый сценарий из всех, и решается он по-разному в зависимости от того, откуда лекция взялась.

Если лекция выложена на видеоплощадке, начинайте с субтитров: у образовательных каналов автоматическая дорожка есть почти всегда, а у аккуратных авторов — ещё и своя, вычитанная. Двухчасовая пара превращается в текст быстрее, чем вы успеете открыть тетрадь. Дальше по тексту работает обычный поиск: определение, формула, фамилия находятся мгновенно, вместо того чтобы отматывать запись наугад.

Если вы записали лекцию сами на телефон, субтитров нет, и вопрос «как лекцию перевести в текст» упирается в длину. Двухчасовую запись большинство бесплатных онлайн-сервисов целиком не возьмёт: там потолок в несколько минут, дальше просят оплату. Из бесплатного остаются программа на компьютере и телеграм-бот, которому длинная запись обойдётся во время ожидания. Практичный ход: заранее взять из записи только звук, он весит 25-30 МБ вместо сотен мегабайт видео, и дальше работать уже с ним — так любой способ пойдёт быстрее.

И общий совет, который экономит вечер: расшифровку стоит воспринимать не как замену конспекту, а как поисковую базу под ним. Конспект вы всё равно напишете своими словами, а поток распознанных слов нужен для того, чтобы ничего не потерять и не пересматривать двухчасовую запись ради одной формулировки.

Частые вопросы