Как получить расшифровку видео без субтитров

Половина записей на курсовых платформах и почти все вебинары идут без субтитров. Для человека это просто неудобство, а для любого ИИ-инструмента — тупик: нет текста, нет конспекта. Разберём, как получить расшифровку в таких случаях и чего ждать от качества.

Сначала проверьте, точно ли субтитров нет

Субтитры бывают спрятаны:

• в плеере — кнопка CC или значок с буквами может быть в меню настроек;
• в потоке — у видео в формате HLS или DASH дорожка субтитров бывает в манифесте, даже если плеер её не показывает;
• рядом с видео — некоторые платформы выкладывают расшифровку текстом под плеером.

Расширения, которые умеют читать дорожки плеера, находят такие субтитры автоматически. Notesavo сначала ищет их и только потом предлагает распознавание.

Способ 1. Распознавание речи из потока

Если видео играет в браузере без шифрования, из потока можно взять только звуковую дорожку и отправить её модели распознавания речи. Как это устроено:

1. Аудио извлекается из потока прямо в браузере, без перекодирования видео.
2. Звук режется на куски по 10 минут с небольшим перекрытием, чтобы не потерять слова на границе.
3. Куски распознаются, а затем склеиваются: совпадающие слова на перекрытиях убираются.
4. Получается транскрипт с метками времени — как субтитры, только сделанные машиной.

Качество. Современные модели хорошо справляются с лекционной речью: один говорящий, хороший микрофон, мало шума. Хуже — с узкоспециальными терминами, фамилиями, формулами, речью нескольких людей одновременно. Термины и числа стоит проверить по записи.

Стоимость. Распознавание часа речи у провайдеров вроде Groq стоит порядка нескольких центов (на конец октября 2026 года — около $0,04 за час для модели whisper-large-v3-turbo). Поэтому в сервисах оно обычно входит в лимит, а не оплачивается отдельно. В Notesavo Pro на распознавание отведено до 10 часов в месяц, и перед стартом видно, сколько минут уйдёт.

Способ 2. Запись звука вкладки

Бывает, что поток недоступен: плеер получает видео по подписанным ссылкам, которые живут несколько секунд, или собирает его хитрым способом. Тогда остаётся слушать вкладку — записывать звук, пока видео играет.

Особенности:

• идёт в реальном времени: часовую лекцию нужно проиграть. Ускорение до 1,5× сокращает время, а таймкоды пересчитываются обратно;
• нужно разрешение браузера на запись вкладки — оно запрашивается в момент использования;
• не работает в Firefox: там нет нужного API.

Это запасной путь, но он выручает на платформах, где других вариантов нет.

Способ 3. Свой файл

Если у вас есть сама запись — MP4, MP3, WebM, M4A, — её можно распознать напрямую. Это самый быстрый и надёжный вариант: ничего не нужно проигрывать. Запись созвона, лекция с диктофона, скачанный разрешённым способом вебинар — всё подходит.

Где границы

DRM. Если платформа шифрует видео (так делают крупные онлайн-кинотеатры и некоторые школы), честные инструменты его не трогают. Обход защиты нарушает закон и правила магазинов расширений. В таких случаях помогут только субтитры, если платформа их даёт.

YouTube. Правила Chrome Web Store запрещают расширениям скачивать видео и звук YouTube. Поэтому на YouTube конспекты делаются только по субтитрам — ручным или автоматическим, которые есть у большинства роликов. Если субтитров нет, ни одно добросовестное расширение не даст расшифровку.

Авторские права. Расшифровка для себя — обычное дело. Публикация чужой расшифровки целиком — уже нет. Цитируйте фрагменты со ссылкой на источник.

Что делать с расшифровкой

Сама по себе расшифровка часовой лекции — это 10–15 тысяч слов, читать их не быстрее, чем смотреть. Дальше из неё обычно делают:

• конспект с таймкодами — см. «Как сделать конспект лекции с помощью ИИ»;
• ответы на вопросы — см. «Как задавать вопросы к видео»;
• субтитры SRT или VTT для своего видео;
• цитаты с таймкодами для статьи или отчёта.

Как улучшить качество распознавания

Несколько простых приёмов заметно уменьшают число ошибок:

• Выберите язык заранее. Автоопределение языка иногда ошибается на первых секундах, особенно если запись начинается с музыки или тишины.
• Не ускоряйте запись слишком сильно. При записи вкладки скорость 1,5× — разумный компромисс. На 2× модель чаще путает похожие слова.
• Проверьте громкость. Если лектор говорит тихо, а в зале шумно, распознавание теряет окончания и короткие слова.
• Для узких тем держите под рукой глоссарий. Термины, фамилии и аббревиатуры проще проверить по списку, чем вычитывать весь текст.

Сколько это занимает по времени

Распознавание файла идёт быстрее реального времени: часовая лекция обычно обрабатывается за несколько минут, потому что куски по 10 минут отправляются параллельно. Запись вкладки — исключение: она занимает столько, сколько длится воспроизведение, делённое на скорость.

Коротко

Все эти способы собраны в Notesavo: расширение само выбирает лучший доступный источник и честно говорит, если текста получить нельзя.