Buzz и Whisper: как расшифровать файл и сохранить текст или субтитры

Выберите нужный проект Buzz

Здесь рассматривается настольный проект Buzz автора chidiwilliams, который использует Whisper. В интернете встречаются продукты с похожими названиями, поэтому перед установкой сверяйте название разработчика и справку. Возможности мобильного приложения с похожим именем нельзя автоматически переносить на эту программу.

Buzz позволяет работать с записью через окно, без самостоятельного составления команды. Но модель всё равно требует ресурсов компьютера. Не выбирайте самый тяжёлый вариант только по его названию: сначала сравните небольшой фрагмент на своём устройстве. Если обязательна работа без сети, заранее подготовьте модель и проверьте весь цикл. Общий порядок описан в инструкции по подготовке офлайн-расшифровки.

Импортируйте файл и задайте язык

В меню File выберите Import Media File. В официальной инструкции также указаны кнопка «+» и сочетание Command/Ctrl + O. Выберите аудио или видео, затем настройте задачу, язык и модель. Для получения текста на языке записи используйте транскрибацию. Не включайте перевод просто потому, что хотите русскую расшифровку русской речи.

Если язык известен, задайте его явно. В справке Buzz отмечено, что автоматическое определение может давать неожиданный результат. Для смешанного разговора сначала проверьте небольшой фрагмент с переключением языков. Один удачный абзац вступления не подтверждает качество всего интервью.

Нажмите Run. Когда появится Completed, откройте строку результата двойным щелчком либо соответствующей кнопкой раскрытия. Если задача осталась в ожидании или завершилась ошибкой, это ещё не готовая расшифровка. Запишите текст ошибки и параметры пробы, прежде чем менять настройки.

Сохраните формат под дальнейшую работу

В параметре Export As предусмотрены TXT, SRT и VTT. Для редактора, которому нужен сам разговор, начните с TXT. Для видеоплеера или монтажа выбирайте поддерживаемый им формат субтитров. Расширение файла должно соответствовать содержимому: простое переименование TXT в SRT не создаст временные интервалы.

Включённый Word-Level Timings формирует отдельную строку субтитров для каждого слова. Это может быть исходным материалом для дальнейшей настройки, но не универсальным вариантом читаемых реплик. Если вы ожидали обычные фразы, проверьте этот переключатель до повторной обработки. Отсутствие этой настройки в конкретной версии — повод сверить её документацию, а не искать скрытую кнопку.

Откройте экспортированный файл в целевой программе. Проверьте кириллицу, начало и конец, несколько переходов между репликами. Для субтитров оценивайте ещё и то, успеваете ли вы читать строку. Файл, который успешно сохранился, может всё равно требовать редакторской правки.

Помогайте с терминами, не дописывая разговор

В Advanced доступен Initial prompt: туда можно передать слова, которые часто распознаются неправильно. Составьте небольшой список реальных имён и терминов из записи. Не вставляйте желаемое содержание ответа: подсказка не является свидетельством того, что фраза прозвучала.

Учебный пример: в интервью встречаются «Нейпикс» и «Транскрибатор». Редактор добавляет эти названия в словарь пробы, а после обработки слушает места их появления. Если модель записала название в тишине или вместо другого слова, такой фрагмент исправляют по аудио. Сам факт присутствия имени в подсказке не делает результат верным.

Если настройка локальной программы не входит в вашу задачу и онлайн-обработка допустима, можно начать с получения текста аудиозаписи в Транскрибаторе. Сохраните исходник и проверьте спорные места независимо от выбранного инструмента. Для работы именно через терминал предназначена отдельная инструкция по команде Whisper.