Голос в текст и вопросы к ChatGPT

Вам прислали 7-минутное голосовое, а слушать его некогда. Или нужна расшифровка часового созвона, лекции или ролика. Этот бот превращает голос и видео в текст, а потом даёт задать вопросы по расшифровке через ChatGPT. Заодно в нём есть озвучка текста и клонирование голоса.

Из звука в текст

Бот принимает голосовые и видеосообщения, ссылки на YouTube и файлы форматов mp3, m4a, webm и mp4. Вы загружаете или пересылаете запись, а в ответ получаете текст.

Так проще искать нужное место, цитировать собеседника и пересказывать длинные записи. Читать глазами в разы быстрее, чем слушать.

Разговор с расшифровкой 🤖

Главная идея из описания: после получения текста можно задавать вопросы ChatGPT. Например:

• Найти цитаты: попросите показать, где говорили про цену или срок.
• Объяснить контекст: что имел в виду спикер и почему.
• Составить список задач: выписать поручения из созвона.

Это экономит время на длинных записях. Проверяйте важные цитаты по исходному тексту: модели иногда ошибаются или додумывают.

Голос по тексту и копия голоса

В меню есть команда /voice, которая озвучивает введённый текст, и /copyvoice для клонирования голоса. Технология клонирования создаёт речь, похожую на голос человека по образцу записи.

Здесь работает простое правило: клонируйте только свой голос или голос человека, который прямо разрешил это. Чужой голос без согласия используют мошенники, а во многих странах это нарушает закон.

Все команды в одном месте

1. /voice: озвучить текст.
2. /copyvoice: клонировать голос.
3. /search: поиск.
4. /balance и /pay: баланс и оплата.
5. /help и /cancel: справка и отмена текущего действия.

Наличие баланса и оплаты означает, что часть возможностей платная. Расценки смотрите по команде /balance и /pay перед тем, как загружать большие файлы.

Что с приватностью

Голосовые и записи созвонов часто содержат личное и рабочее. Не загружайте то, что нельзя показывать посторонним: договоры, медицинские темы, чужие персональные данные.

Такие боты передают запись на сервер для распознавания, а текст уходит в языковую модель. Если запись конфиденциальна, лучше обойтись офлайн-распознаванием на своём компьютере.

Как получить хороший результат

Качество текста зависит от записи. Чистый звук без шума, один говорящий за раз и нормальная громкость дают меньше ошибок. Если в записи спорят несколько людей или играет музыка, готовьтесь править текст вручную.

Имена, термины и числа проверяйте глазами: именно их распознавание чаще всего искажает. Для длинных файлов лучше сначала отправить короткий кусок и посмотреть, устраивает ли качество.

Если вопросы к ChatGPT выдают общие ответы, уточняйте: называйте тему, период записи и желаемый формат ответа, например список из пяти пунктов.

Для чего бот подходит лучше всего

Студентам для конспектов лекций, журналистам для интервью, менеджерам для протоколов встреч. Ему нужен только Telegram, ничего устанавливать не надо.

У бота пока небольшая аудитория (около 550 пользователей), так что рассчитывайте на простой сервис без сложных настроек.