Совещание в текст

Загрузите запись встречи — получите текст, разложенный по участникам, с временем у каждой реплики. Решения и поручения выписываются из него за несколько минут.

Переговорная — самая сложная акустика из всех

Диктофон или ноутбук стоят в центре стола, говорящие — на расстоянии полутора-трёх метров. Речь приходит с отражениями от стен и стекла, часть слов произносится в сторону, кто-то говорит из-за спины. Это заметно труднее, чем интервью с микрофоном под рукой, и разница видна в тексте.

• Ближний край стола — распознаётся почти без ошибок, говорящий узнаётся уверенно.
• Дальний край — смысл сохраняется, но цифры и фамилии стоит сверять по записи.
• Участник по видеосвязи — его голос идёт через динамик и записывается дважды искажённым; в разделении он обычно выделяется в отдельного говорящего без труда, а вот качество текста ниже.

Зачем нужны имена участников, а не «Спикер 3»

Текст совещания читают не для чтения: из него выписывают, кто что обещал и к какому сроку. С безымянными «Спикер 1» и «Спикер 4» это невозможно — придётся слушать запись, чтобы понять, кто есть кто, то есть делать работу дважды.

Имена вы задаёте один раз, и они запоминаются на организацию: со второй встречи того же состава разметка уже не нужна — участники узнаются по голосу.

Минута перед встречей, которая решает качество текста

Переговорную не переделать, но три вещи делаются перед самым началом и стоят больше, чем любые настройки после.

• Поставьте телефон в середину стола, а не рядом с собой. Один участник у микрофона и пятеро в другом конце — обычная причина, по которой в тексте разобрана только половина встречи.
• Скажите вслух, что ведётся запись. Это и требование к обработке персональных данных, и страховка: потом никто не оспорит сам факт записи. Фраза попадёт в начало расшифровки и останется в ней.
• Назовите участников по очереди в первую минуту. «Иван, Ольга, Сергей» в начале — самый дешёвый способ связать голоса с именами: дальше сервис узнаёт их сам, а вам не придётся гадать, кто «говорящий 3».

Что не поможет: включать «улучшение звука» в приложении диктофона. Шумоподавление режет тихие голоса вместе с шумом, и запись с дальнего конца стола от этого только теряется. Исходный звук всегда лучше обработанного.

Что делать с расшифровкой дальше

• TXT — для рассылки участникам и для поиска по словам: «что решили по бюджету» находится за секунду.
• SRT — если у встречи есть видеозапись: субтитры кладутся к ней, и нужное место находится по тексту.
• JSON — когда расшифровка едет дальше в вашу систему: там реплики, границы слов, метки говорящих.

Сервис отдаёт текст, а не готовый протокол совещания: решения и формулировки — ответственность человека, который встречу вёл. Но выписывать их из размеченного текста с именами и таймкодами — это несколько минут, а не пересматривание записи.

Вопросы