Голосовой ввод онлайн. Pаспознавание речи и мгновенный перевод

SpeechPad – это интересный сервис (так называемый голосовой блокнот) для преобразования голоса в текст с помощью браузера Google Chrome. Он доступен для всех операционных систем: Windows, Linux и Mac, есть специальное приложение и для Android.

Распознавание обычной разговорной речи и последующая ее конвертация в печатный текст является достаточно интересной технологией, совершенствованием которой занимаются высококлассные технические специалисты во всех странах мира. Возможно, скоро русская речь будет преобразовываться в текст практически безошибочно, что достаточно сильно изменит наш способ коммуникации с компьютером, а также с современными высокотехнологичными гаджетами и приборами.

Возможности

Голосовой блокнот предназначен для ввода информации в специальное «Результирующее поле» на сайте и в текстовые поля Google Chrome. Для этого надо скачать и установить соответствующее расширение в браузер. К тому же можно добавить модуль интеграции с Microsoft Windows, чтобы использовать голосовой ввод в любом приложении.

Вот на что способен этот сервис:

распознавать речь через внешний микрофон;
понимать не только русский, но и армянский, грузинский, украинский и многие другие языки;
выполнять голосовые команды;
добавлять знаки пунктуации с помощью мыши;
использовать режим управления заглавными буквами;
транскрибировать звуковые и видео файлы, которые записаны в формате html5 или загружены на Youtube;
создавать субтитры в реальном времени;
копировать распознанный текст в буфер обмена;
автоматически переводить произнесенный текст на выбранный язык.

Плюсы и минусы

Давайте рассмотрим сильные и слабые стороны этого чрезвычайно полезного для многих людей приложения.

быстрое освоение, достаточно буквально пары минут;
режим отправки надиктованного текста во многие социальные сети;
сервисом удобно пользоваться во время прогулки, или когда руки заняты, используя смартфон.

для улучшения качества распознавания желательно купить профессиональный микрофон;
вероятность правильной конвертации стандартной речи в районе 80-95%, если применяются специальные термины;
необходима корректировка полученного текста, в том числе самостоятельная расстановка знаков препинания.

Да, пока не удается достичь 100% точности преобразования голоса в текстовый документ. Тем не менее прогресс не стоит на месте, и даже сейчас голосовой блокнот очень полезен некоторым людям, так что не стоит от него требовать невозможного. А при хорошей дикции легко достичь правильного распознавания почти всех фраз и законченных предложений.

Как пользоваться

Существует и другой способ использования приложения: достаточно зайти на сайт https://speechpad.ru/ , пролистать страницу вниз, включить запись и получить готовый текст. Здесь также удобно протестировать все возможности голосового блокнота, которых довольно много, и посмотреть обучающие видеоролики.

Скачать

У нас можно скачать последнюю версию SpeechPad с официального сайта.

Современные технологии не стоят на месте, и сегодня для набора текста уже не обязательно пользоваться стандартной клавиатурой. Голосовой ввод есть на большинстве устройств. Тем не менее далеко не все пользователи знают, как его правильно применять, и какую функцию он выполняет.

Для чего нужен ввод голосом

пользоваться поисковиками намного быстрее;
набирать сообщения в социальных сетях и популярных мессенджерах;
отвечать на СМС-сообщение, находясь за рулем;
быстро находить контакт в записной книжке телефона;
набирать текст в "Гугл-документах".

В браузере Google Chrome

Чтобы быстро набрать текст в режиме онлайн, достаточно выполнить несколько простых шагов:

Включить микрофон.
Открыть документ в браузере «Хром».
Нажать «Инструменты» и выбрать «Голосовой ввод». Должна появиться иконка микрофона.
Нажать на этот значок (он должен загореться красным цветом) и начать диктовку.
Чтобы закончить ввод текста, достаточно еще раз кликнуть на иконку микрофона. Он должен стать серым.

Слова нужно произносить максимально четко, медленно и громко. Если использовать встроенный микрофон ноутбука, то система не поймет половину слов - и на выходе получится нечитаемый текст.

В некоторых ситуация может понадобиться надиктовать заметку докладчика для презентации. В этом случае необходимо:

Убедиться, что микрофон хорошо работает.
Открыть презентацию.
Нажать «Инструменты» и выбрать «Продиктовать заметки…». После этого должен появиться значок микрофона.
Нажать на его иконку и начать диктовку.
Чтобы прекратить голосовой ввод, необходимо повторно нажать на значок микрофона.

При этом требуется хорошее подключение к интернету, иначе функция не активируется.

На телефоне

Установить курсор таким образом, чтобы появилась стандартная клавиатура.
Нажать на значок с микрофоном. Обычно он находится слева от клавиши пробела. Если иконки нет, то нужно зажать значок с изображением Земли (смена языка) и выбрать «Голосовой ввод Google».
После этого на экране появится изображение микрофона и автоматически начнется запись текста.
Когда диктовка будет завершена, достаточно подтвердить запись.

Подобным образом можно набирать СМС-сообщения, искать людей в записной книжке, пользоваться поисковиками, писать заметки и многое другое.

На Mac

Чтобы активировать интерактивный ввод текста, необходимо:

Перейти в меню Apple (клавиша с изображением яблока).
Нажать на «Системные настройки» и кликнуть на «Клавиатура». После этого необходимо активировать функцию «Диктовка».

В этом меню можно произвести следующие настройки:

активировать функцию улучшенной диктовки (работает в оффлайне);
выбрать язык и диалект;
указать используемый микрофон (встроенный или внешний);
задать наиболее удобную комбинацию клавиш, которая будет использоваться для быстрого начала и окончания записи.

Если в OS Mac установлена программа Siri, то активировать диктовку можно и через нее.

Открыть документ или любое другое текстовое поле.
Установить точку в том месте, откуда должен начать набираться текст.
Нажать заданную ранее комбинацию клавиш (по умолчанию запись активируется при двойном клике на Fn). Также можно перейти во вкладку «Правка» и выбрать там «Начать диктовку».
Произнести текст и сохранить его.
Завершить диктовку нажатием на «Готово» или Fn.

Частые ошибки

Иногда функция не работает или выдает ошибки. Чаще всего пользователи сталкиваются со следующими проблемами:

«Вас плохо слышно». Если на экране появилась такая ошибка, то необходимо перейти в более тихое место, подключить другой микрофон или отрегулировать громкость устройства.
«Голосовые команды не работают». В этой ситуации необходимо говорить медленнее и громче. Между голосовыми командами рекомендуется делать паузы.
«Микрофон не работает». Если на экране всплывает такая ошибка, то нужно проверить, работает ли он на другом устройстве. Если микрофон исправен, необходимо проверить его настройки или перезагрузить компьютер или телефон.

Зная, как включить голосовой ввод, можно значительно упростить себе жизнь. Подобным образом пользователи могут набирать не только короткие текстовые сообщения, но и целые рассказы или инструкции. На планшетах эта функция активируется одним из описанных выше способов.

Если Вы слишком медленно печатаете на клавиатуре, а учиться десятипальцевому методу набора лень, можете попробовать воспользоваться современными программами и сервисами голосового ввода текста.

Клавиатура, бесспорно, достаточно удобный инструмент управления компьютером. Однако, когда дело доходит до наборки длинного текста, мы понимаем всё её (а, если быть честными, то наше:)) несовершенство... На ней ещё нужно уметь быстро печатать!

Пару лет назад я, желая упростить себе работу по написанию статей, решил найти такую программу, которая бы позволяла преобразовать голос в текст. Я думал, как было бы хорошо, если бы я просто говорил всё что нужно в микрофон, а компьютер печатал вместо меня:)

Каково же было моё разочарование, когда я понял, что на тот момент никаких реально работающих (а тем более бесплатных) решений для этого дела не существовало. Были, правда, отечественные разработки, вроде "Горыныча" и "Диктографа". Они понимали русский язык, но, увы, качество распознавания речи имели довольно низкое, требовали долгой настройки с созданием словаря под свой голос, да ещё и стоили довольно недёшево...

Потом на свет появился Android и ситуация немного сдвинулась с мёртвой точки. В этой системе голосовой ввод появился в качестве встроенной (и довольно удобной) альтернативы ввода с виртуальной экранной клавиатуры. И вот недавно в одном из комментариев меня спросили, есть ли возможность голосового ввода для Windows? Я ответил, что пока нет, но решил поискать и оказалось, что, может и не совсем полноценная, но такая возможность существует! О результатах моих изысканий и будет сегодняшняя статья.

Проблема распознавания речи

Перед тем как начать разбор существующих на сегодняшний день решений для голосового ввода в Windows, хотелось бы немного осветить суть проблемы распознавания речи компьютером. Для более точного понимания процесса предлагаю взглянуть на следующую схему:

Как видим, преобразование речи в текст происходит в несколько этапов:

Оцифровка голоса . На этом этапе качество зависит от чёткости дикции, качества микрофона и звуковой карты.
Сравнение записи с записями в словаре . Здесь работает принцип "чем больше - тем лучше": чем больше записанных слов содержит словарь, тем выше шансы того, что Ваши слова будут распознаны правильно.
Вывод текста . Система автоматически, ориентируясь по паузам, пытается выделить из потока речи отдельные лексемы, соответствующие шаблонным лексемам из словаря, а затем выводит найденные соответствия в виде текста.

Главная проблема, как нетрудно догадаться, кроется в двух основных нюансах: качестве оцифрованного отрезка речи и объёме словаря с шаблонами. Первую проблему реально минимизировать даже при наличии дешёвого микрофона и стандартной звуковой карты. Достаточно просто говорить не спеша и внятно.

Со второй проблемой, увы, не всё так просто... Компьютер, в отличие от человека, не может корректно распознать одну и ту же фразу, сказанную, например, женщиной и мужчиной. Для этого в его базе должны существовать оба варианта озвучки разными голосами!

В этом и кроется основной подвох. Создать словарь для одного человека, в принципе, не так сложно, однако, учитывая, что каждое слово должно быть записано в нескольких вариантах, это получается очень долго и трудозатратно. Поэтому, большинство из существующих на сегодняшний день программ для распознавания речи либо стоят слишком дорого, либо не имеют собственных словарей, предоставляя пользователю возможность создать их самостоятельно.

Я не зря упомянул про Андроид чуть выше. Дело в том, что Гугл, который его разрабатывает, создал и единственный на сегодня общедоступный глобальный онлайн-словарь для распознавания речи (причём многоязычный!) под названием Google Voice API . Подобный словарь для русского языка также создаёт Яндекс, но пока он, увы, ещё непригоден для использования в реальных условиях. Поэтому практически все бесплатные решения, которые мы рассмотрим ниже, работают именно со словарями Google. Соответственно, все они имеют одинаковое качество распознавания и нюансы заключаются лишь в дополнительных возможностях...

Программы голосового ввода

Полноценных программ для голосового ввода под Windows не так уж много. Да и те, которые есть и понимают русский язык, в основном являются платными... Например, стоимость популярной пользовательской системы преобразования голоса в текст RealSpeaker стартует с отметки 2 587 руб, а профессионального комплекса Цезарь-Р аж с 35 900 руб!

Но среди всего этого дорогого софта имеется одна программка, которая не стоит и копейки, но при этом предоставляет функционал, более чем достаточний для большинства пользователей. Называется она MSpeech :

Основное окно программы имеет максимально простой интерфейс - индикатор уровня звука и всего три кнопки: включить запись, остановить запись и открыть окно настроек. Работает MSpeech также весьма просто. Вам нужно нажать кнопку записи, установить курсор в окно, в которое должен выводиться текст и начать диктовать. Для большего удобства запись и её остановку лучше производить горячими клавишами, которые можно задать в Настройках:

Кроме горячих клавиш Вам может потребоваться изменить тип передачи текста в окна нужных программ. По умолчанию установлен вывод в активное окно, однако, можно задать передачу в неактивные поля или в поля конкретной программы. Из дополнительных возможностей стоит отметить группу настроек "Команды", которая позволяет реализовать голосовое управление компьютером при помощи заданных Вами фраз.

Вообще же MSpeech - довольно удобная программа, которая позволяет набирать текст голосом в любом окне Windows. Единственный нюанс в её использовании - компьютер должен быть подключён к Интернету для доступа к словарям Гугла.

Голосовой ввод онлайн

Если Вам не хочется устанавливать на свой компьютер никаких программ, но есть желание попробовать вводить текст голосом, можете воспользоваться одним из многочисленных онлайн-сервисов, которые работают на базе всё тех же словарей Гугла.

Ну и, естественно, первым делом стоит упомянуть о "родном" сервисе Google под названием Web Speech API :

Этот сервис позволяет переводить в текст неограниченные отрезки речи на более чем 50 языках! Вам достаточно просто выбрать язык, на котором Вы говорите, нажать на иконку микрофона в правом верхнем углу формы, при необходимости подтвердить разрешение на доступ сайта к микрофону и начать говорить.

Если Вы не используете какую-либо узкоспециализированную терминологию и говорите внятно, то сможете получить весьма неплохой результат. Кроме слов сервис "понимает" ещё и знаки препинания: если Вы скажете "точка" или "запятая", необходимый знак появится в форме вывода.

По окончании записи распознанный текст будет автоматически выделен и Вы сможете скопировать его в буфер обмена или отправить по почте.

Из недостатков стоит отметить лишь возможность работы сервиса только в браузере Google Chrome старше 25-й версии, а также отсутствие возможности мультиязычного распознавания.

Кстати, на нашем сайте вверху Вы найдёте полностью русифицированную версию этой же формы распознавания речи. Пользуйтесь на здоровье;)

На базе сервиса Гугла существует достаточно аналогичных онлайн-ресурсов распознавания речи. Одним из представляющих для нас интерес можно назвать сайт Dictation.io :

В отличие от Web Speech API, Dictation.io имеет более стильное оформление в виде блокнота. Основным его преимуществом перед сервисом Гугла является то, что он позволяет остановить запись, а затем снова запустить и при этом введённый ранее текст сохранится пока Вы сами не нажмёте кнопку "Clear".

Как и сервис Google Dictation.io "умеет" ставить точки, запятые, а также восклицательный знак и знак вопроса, но не всегда начинает новое предложение с большой буквы.

Если же Вы ищете сервис с максимальным функционалом, то, наверное, одним из лучших в этом плане будет :

Главные преимущества сервиса:

наличие русскоязычного интерфейса;
возможность просмотра и выбора вариантов распознавания;
наличие голосовых подсказок;
автоотключение записи после длительной паузы;
встроенный текстовый редактор с функциями копирования текста в буфер обмена, распечатки его на принтере, отправки по почте или в Твиттер и перевода на другие языки.

Единственным недостатком сервиса (кроме уже описанных общих недостатков Web Speech API) является не совсем привычный для подобных сервисов алгоритм работы. После нажатия кнопки записи и надиктовки текста, его нужно проверить, выбрать вариант, наиболее соответствующий тому, что Вы хотели сказать, а затем перенести в текстовый редактор внизу. После чего процедуру можно повторить.

Плагины для Хрома

Кроме полноценных программ и онлайн-сервисов, существует ещё один способ распознать речь в текст. Этот способ реализовывается за счёт плагинов для браузера Google Chrome.

Главным преимуществом использования плагинов является то, что с их помощью Вы можете вводить текст голосом не только в специальной форме на сайте сервиса, но и в любом поле ввода на любом веб-ресурсе! Фактически плагины занимают промежуточную нишу между сервисами и полноценными программами для голосового ввода.

Одним из лучших расширений для перевода речи в текст является SpeechPad :

Не совру, если скажу, что SpeechPad - один из лучших русскоязычных сервисов перевода речи в текст. На официальном сайте Вы найдёте довольно мощный (хоть и немного староватый дизайном) онлайн-блокнот со множеством продвинутых функций, среди которых есть:

поддержка голосовых команд управления компьютером;
улучшенная поддержка расстановки знаков препинания;
функция отключения звуков на ПК;
интеграция с Windows (правда, на платной основе);
возможность распознавания текста с видео или аудиозаписи (функция "Транскрибация");
перевод распознанного текста на любой язык;
сохранение текста в текстовый файл, доступный для скачивания.

Что же касается плагина, то он предоставляет нам максимально упрощённый функционал сервиса. Установите курсор в нужное Вам поле ввода, вызовите контекстное меню и нажмите на пункт "SpeechPad". Теперь подтвердите доступ к микрофону и, когда поле ввода станет розовым, надиктуйте нужный текст.

После того, как Вы прекратите говорить (пауза более чем в 2 секунды), плагин сам остановит запись и выведет в поле всё, что Вы сказали. При желании Вы можете зайти в настройки плагина (правый клик на иконке плагина вверху) и изменить параметры по умолчанию:

Как ни странно, но во всём Интернет-магазине расширений Гугла мне больше не попалось ни одного стоящего плагина, который бы позволял реализовать голосовой ввод в любом текстовом поле. Единственным похожим расширением было англоязычное . Оно добавляет иконку микрофона ко всем полям ввода на веб-странице, но не всегда правильно располагает её, поэтому она может оказаться вне экрана...

Ни одна программа не сможет полностью заменить ручную работу по расшифровке записанной речи. Однако существуют решения, которые позволяют существенно ускорить и облегчить перевод речи в текст, то есть, упростить транскрибацию.

Транскрибация – это запись аудио или видео-файла в текстовом виде. Есть в интернете оплачиваемые платные задания, когда за транскрибацию текста исполнителю выплачивается некоторая сумма денег.

Перевод речи в текст полезен

студентам для перевода записанных аудио- или видео-лекций в текст,
блогерам, ведущим сайты и блоги,
писателям, журналистам для написания книг и текстов,
инфобизнесменам, которым нужен текст после проведенного ими вебинара, выступления и т.д.,
людям, которым сложно печатать – они могут надиктовать письмо и послать его родным или близким,
другие варианты.

Опишем наиболее эффективные инструменты, доступные на ПК, мобильные приложения и онлайн-сервисы.

1 Сайт speechpad.ru

Это онлайн-сервис, который позволяет через браузер Google Chrome переводить речь в текст. Сервис работает с микрофоном и с готовыми файлами. Конечно, качество будет значительно выше, если использовать внешний микрофон и диктовать самому. Однако сервис неплохо справляется даже с видеороликами на YouTube.

Нажимаем «Включить запись», отвечаем на вопрос про «Использование микрофона» – для этого кликаем «Разрешить».

Длинную инструкцию про использование сервиса можно свернуть, нажав на кнопку 1 на рис. 3. От рекламы можно избавиться, пройдя несложную регистрацию.

Рис. 3. Сервис speechpad

Готовый результат легко редактируется. Для этого нужно либо вручную исправить выделенное слово, либо надиктовать его заново. Результаты работы сохраняются в личном кабинете, их также можно скачать на свой компьютер.

Список видео-уроков по работе с speechpad:

Можно транскрибировать видео с Youtube или со своего компьютера, правда, понадобится микшер, подробнее:

Видео «транскрибирование аудио»

Работает сервис с семью языками. Есть небольшой минус. Он заключается в том, что если нужно транскрибировать готовый аудио-файл, то его звучание раздаётся в колонки, что создает дополнительные помехи в виде эха.

2 Сервис dictation.io

Замечательный онлайн-сервис, который позволит бесплатно и легко переводить речь в текст.

Рис. 4. Сервис dictation.io

1 на рис. 4 – русский язык можно выбрать в конце страницы. В браузере Google Chrome язык выбирается, а в Мозилле почему-то нет такой возможности.

Примечательно то, что реализована возможность автосохранять готовый результат. Это убережет от случайного удаления в результате закрытия вкладки или браузера. Готовые файлы этот сервис не распознает. Работает с микрофоном. Нужно называть знаки препинания, когда производите диктовку.

Текст распознается достаточно корректно, орфографических ошибок нет. Можно самостоятельно вставлять знаки препинания с клавиатуры. Готовый результат можно сохранить на своем компьютере.

3 RealSpeaker

Эта программа позволяет легко переводить человеческую речь в текст. Она предназначена для работы в разных системах: Windows, Android, Linux, Mac. С ее помощью можно преобразовывать речь, звучащую в микрофон (например, он может быть встроен в ноутбук), а также записанную в аудиофайлы.

Может воспринимать 13 языков мира. Существует бета-версия программы, которая работает в режиме онлайн-сервиса:

Нужно перейти по указанной выше ссылке, выбрать русский язык, загрузить на онлайн-сервис свой аудио- или видео-файл и оплатить его транскрибацию. После транскрибации можно будет скопировать полученный текст. Чем больше файл для транскрибации, чем больше времени понадобится на его обработку, подробнее:

В 2017-ом году был бесплатный вариант транскрибации с помощью RealSpeaker, в 2018-ом году такой возможности нет. Сильно смущает тот момент, что транскрибированный файл доступен всем пользователям для скачивания, возможно это будет доработано.

Контакты разработчика (ВКонтакте, Facebook, Youtube, Твиттер, электронная почта, телефон) программы можно найти на странице его сайта (точнее, в подвале сайта):

4 Speechlogger

Альтернатива предыдущему приложению для мобильных устройств, работающих на Android. Доступно бесплатно в магазине приложений:

Текст редактируется автоматически, в нем расставляются знаки препинания. Очень удобно для того, чтобы надиктовывать себе заметки или составлять списки. В результате текст получится весьма достойного качества.

5 Dragon Dictation

Это приложение, которое распространяется бесплатно для мобильных устройств от компании Apple.

Программа может работать с 15 языками. Она позволяет редактировать результат, выбирать из списка нужные слова. Нужно четко проговаривать все звуки, не делать лишних пауз и избегать интонации. Иногда возникают ошибки в окончаниях слов.

Приложение Dragon Dictation используют обладатели , например, чтобы, перемещаясь по квартире, надиктовать список покупок в магазине. Приду туда, можно будет посмотреть на текст в заметке, и не надо слушать.

Какую бы программу Вы ни использовали в своей практике, будьте готовы перепроверять результат и вносить определенные коррективы. Только так можно получить безукоризненный текст без ошибок.

Также полезные сервисы:

Получайте актуальные статьи по компьютерной грамотности прямо на ваш почтовый ящик .
Уже более 3.000 подписчиков

Осуществляется через микрофон. Произнесённые слова - это источник акустических волн, которые представляют собой периодически чередующиеся разряжения и уплотнения окружающего воздуха.

Волна, попадая на микрофон, вызывает на его выходе электрический сигнал определённой амплитуды и частоты. Данный сигнал преобразуется в последовательность прямоугольных импульсов, кодируемых в виде «единиц» и «нулей», и затем может обработан компьютером.

С появлением компьютеров, обладающих достаточной вычислительной мощностью, набор текста голосом в компьютер стал реальностью, благодаря чему удаётся существенно снизить нагрузку на клавиатуру.

Компьютерная технология ввода информации с голоса предусматривает настройку на голоса различных людей. Этот метод называется настройкой компьютера на конкретный голос. Состоит он в следующем. Все слова, которые человек произносит первый раз, компьютер обрабатывает и заносит в свою базу данных в качестве образцов. Когда в дальнейшем человек произносит речь, компьютер мгновенно пытается найти каждое слово в своей базе данных. Сейчас уже существуют современные компьютерные системы, которые без тренировки могут работать с любым голосом.

Применение такой технологии позволяет не только вводить текстовую информацию, но и управлять компьютером с помощью произношение команд.

Когда полезен набор текста голосом ? Он удобен при вводе в компьютер писем, текстов отчётов, сложных научных или деловых документов. Такое средство общение с компьютером будет очень удобно врачам, юристам, журналистам, секретарям, администраторам различного уровня, переводчикам, писателям и многим другим.

Голосовой ввод информации незаменим в тех случаях, когда у пользователя руки оказываются занятыми другой работой, а надо срочно дать компьютеру команду для управления определённых задач. Это может понадобиться операторам на технологических линиях, учёным, медицинским работникам и т. п. Данный метод может оказаться единственно возможным также в том случае, когда основная работа выполняется в затемнённом помещении и ввод данных с клавиатуры затруднён, или человек должен находиться на достаточном удалении от компьютера. Кстати, в этой ситуации возможен ввод данных через радиоуправляемый микрофон. Существует также возможность ввести данные или команды на удалённый компьютер по компьютерной сети.

Как начать пользоваться голосовым набором текста на домашнем компьютере?

Для этого нужно подключить микрофон к компьютеру и перейти на сайт http://speechpad.ru/ Данный онлайн-сервис позволяет набирать текст голосом в голосовом блокноте.

Процесс голосового ввода довольно прост. Выставляем настройки для записи, и можно диктовать текст голосом. Кнопку «Включить запись» используйте для непрерывного ввода текста. Для ввода отдельных фраз или предложений используется значок микрофона.