Описание функциональных характеристик программного обеспечения

1. Общие сведения

2. Назначение

«Транскриптик» автоматически преобразует речь из аудио- и видеозаписей в текст. Программа формирует текстовую расшифровку с временными метками и разделением по говорящим, субтитры и перевод текста. Она нужна, чтобы сократить ручной труд при расшифровке интервью, совещаний, лекций, видеоматериалов СМИ и других записей.

Пользователь работает с программой через веб-браузер. Распознавание выполняется на сервере, поэтому мощное устройство пользователю не нужно.

3. Функциональные возможности

3.1. Учётные записи и доступ

• Регистрация по адресу электронной почты и паролю с подтверждением почты одноразовым кодом.
• Вход по электронной почте и паролю. Для учётной записи можно включить второй фактор: шестизначный код в письме действует 10 минут, даётся 5 попыток.
• Вход по ключу доступа (уникальный идентификатор учётной записи).
• Восстановление пароля по коду из письма. После смены пароля ключ доступа меняется, и на других устройствах сеанс завершается.
• Пробный режим без регистрации на странице https://transcriptic.ru/info: до 10 минут распознавания.
• Ограничение функций по уровню доступа: пользователь, расширенный пользователь (с переводом), администратор.

3.2. Загрузка исходных материалов

• Загрузка одного или нескольких аудио- и видеофайлов, а также папки целиком, кнопкой выбора или перетаскиванием в окно браузера. Общий объём одной загрузки — до 30 ГБ.
• Загрузка по публичной ссылке на файл в Яндекс Диске (disk.yandex.ru, disk.yandex.com, yadi.sk). Файл скачивается на сервер без участия устройства пользователя.
• Поддерживаются распространённые форматы аудио и видео (MP3, WAV, M4A, OGG, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM и другие форматы, которые читает библиотека FFmpeg). Перед обработкой звук приводится к 16 кГц, моно.
• Перед запуском длительность записи сверяется с остатком минут на балансе пользователя.

3.3. Распознавание речи

• Автоматическое распознавание речи нейросетевой моделью Whisper (размер small) на центральном процессоре сервера. Графический процессор не требуется.
• Выбор языка распознавания: русский и ещё более 90 языков. По умолчанию выбран язык интерфейса.
• Временные метки: без меток, по сменам говорящего или с заданным интервалом от 5 до 150 секунд.
• Определение говорящих (диаризация): автоматическое (от 2 до 5 говорящих) или с заданным числом говорящих (от 1 до 20).
• Удаление фоновой музыки перед распознаванием: из записи выделяется голос, что улучшает распознавание.
• Пакетная обработка: несколько файлов дают один общий документ, или по флажку «Расшифровать файлы отдельно» каждый файл получает свой результат.
• Индикаторы хода загрузки, распознавания и перевода для каждого файла. Готовые результаты можно скачать одним архивом ZIP.

3.4. Распознавание в реальном времени

Доступно учётным записям, которым администратор включил эту функцию. Речь с микрофона передаётся на сервер, и текст появляется на экране по ходу речи. Можно выбрать микрофон, язык, перевод и интервал временных меток. По окончании результат скачивается в формате DOCX.

3.5. Перевод

Распознанный текст переводится на выбранный язык (более 30 языков). Можно перевести весь текст или только указанные интервалы времени («перевод по тайм-кодам»). Функция доступна пользователям с уровнем доступа «расширенный» и выше. Она необязательная: для неё администратор подключает сервис машинного перевода. Без такого сервиса остальные функции работают как обычно.

3.6. Выходные данные

3.7. Разделение музыки на дорожки

На странице https://transcriptic.ru/munsic музыкальная запись (до 10 ГБ) разделяется на четыре дорожки: ударные, бас, вокал и прочие инструменты. Дорожки можно прослушать в браузере, отрегулировать их громкость и скачать результирующую смесь в формате MP3.

3.8. История и управление результатами

• Страница «История»: список запросов с датой, файлами, израсходованными минутами и состоянием.
• Повторное скачивание и удаление результатов, фильтр по месяцам со сводкой израсходованных минут.
• Подчинённые учётные записи организации используют общий баланс; руководитель видит их историю.

3.9. Тарификация и оплата

• Баланс в минутах: бесплатные минуты (при регистрации и ежедневное пополнение до 10 минут) и оплаченные минуты. Бесплатные минуты расходуются первыми.
• Тариф с неограниченным использованием до заданной даты.
• Оплата минут и пакетов часов банковской картой через интернет-эквайринг АО «ТБанк»; оплаченные минуты зачисляются автоматически после подтверждения платежа. Цены опубликованы на странице https://transcriptic.ru/payment.

3.10. Отзывы и поддержка

Пользователи оставляют отзывы на странице отзывов; администратор отвечает на них и удаляет их. Контакты поддержки указаны в подвале каждой страницы сайта.

3.11. Программный интерфейс (API)

Сервис интегрируется с внешними системами через HTTP API (/v1): загрузка файла, запуск распознавания с теми же параметрами, что в веб-интерфейсе, опрос состояния, скачивание и удаление результата. Запросы подтверждаются ключом в заголовке X-Auth-Token.

3.12. Администрирование

Администратор видит список учётных записей с остатками минут, датами регистрации и уровнями доступа, сортирует и фильтрует его, пополняет баланс минут. Ему доступны дополнительные форматы документа и сквозная шкала времени для нескольких файлов.

3.13. Обслуживание данных

• Исходные файлы удаляются с сервера сразу после распознавания.
• Результаты хранятся, пока пользователь их не удалит. Для учётных записей с настройкой «хранить 24 часа» результаты удаляются автоматически раз в час.
• Бесплатные минуты пополняются автоматически каждые сутки.

4. Интерфейс пользователя

Интерфейс — веб-приложение, адаптированное к экранам компьютеров и мобильных устройств. Языки интерфейса: русский, английский, немецкий, испанский, французский, португальский, турецкий, корейский.

5. Архитектура и используемые технологии

Компоненты работают в контейнерах Docker под управлением ОС Linux (Ubuntu 22.04/24.04). Все вычисления выполняются на центральном процессоре (x86-64; расширения AVX2 и AVX-512 ускоряют работу, но не обязательны); графический процессор, драйверы NVIDIA и библиотеки CUDA не требуются. Состав и установка серверной части описаны в «Инструкции по установке».

6. Требования к рабочему месту пользователя

7. Ограничения

• Качество распознавания зависит от качества записи: шума, наложения голосов, дикции, громкости.
• Время обработки зависит от длительности записи, выбранных функций и загрузки сервера. Обычно оно в несколько раз меньше длительности записи.
• Автоматическая расшифровка может содержать ошибки и при ответственном использовании требует проверки человеком.