Сервисы расшифровки в России: по каким признакам они делятся

Сервисы расшифровки аудио в России: пять типов вместо списка из двадцати названий

Сервисы расшифровки аудио в России выбирают примерно одинаково. К вечеру в браузере открыто одиннадцать вкладок. Подборка «топ-15 сервисов транскрибации», две карточки из рекламы, форум, где спорят о точности, таблица, собранная кем-то в позапрошлом году, и три лендинга, обещающих одно и то же разными словами. Час прошёл, выбор не сдвинулся ни на шаг.

Причина не в нехватке информации. В одном списке оказались вещи, устроенные принципиально по-разному: голосовой ввод, который печатает за вами в браузере; кабинет, куда перетаскивают файл; бот, приходящий на созвон; речевой API для программиста; кнопка расшифровки внутри самой видеоконференции. Это пять механик, а не пятнадцать конкурентов, и упираются они в разные стены.

Мест и победителей ниже не будет: «лучший» здесь определяется тем, что именно вы собираетесь расшифровывать, а не свойствами сервиса. Бренды приведены как примеры типа, а не как рекомендация; всё, что о них сказано, взято с их официальных страниц — ссылки и дата проверки в конце статьи.

Тип 1. Диктовщики: текст вместо клавиатуры

Первый тип отвечает на задачу, в которой записи ещё нет. Вам надо не расшифровать прошлое, а произвести текст: письмо, черновик статьи, заметку по итогам разговора, который только что закончился. Голос тут — просто способ ввода, быстрее клавиатуры и удобнее в дороге.

Механика простейшая: микрофон включён, слова появляются на экране по ходу речи. В Google Документах это «Инструменты» → «Голосовой ввод»; функция работает в последних версиях Chrome, Edge и Safari, русский в списке языков есть, а голосовые команды — только на английском. Похожие инструменты встроены в мобильные клавиатуры и в настольные системы, и стоят они ноль.

Границы у типа жёсткие, зато очевидные с первой минуты. Готовый файл сюда не положишь: диктовщику нужен живой микрофон, а не запись. Разделения говорящих нет — он и не рассчитан на то, что говорят двое. Таймкодов нет, потому что нет дорожки, к которой их привязывать. Знаки препинания часто приходится наговаривать голосом, а сплошной поток текста потом вычитывать. И главное: за экраном надо следить, потому что переслушать будет нечего. Подробный разбор способа — в статье про голосовой ввод текста.

Кому подходит. Тем, кто пишет от себя: юристу, диктующему проект письма, врачу, наговаривающему заключение между приёмами, менеджеру, который вышел из переговорной и надиктовывает три абзаца, пока не забыл. Как только в кадре появляется второй человек и запись, тип перестаёт работать — и дальше начинается всё остальное.

Тип 2. Сервисы-загрузчики: запись приносите вы

Второй тип начинается там, где файл уже существует. Диктофонная запись планёрки, mp3 из виртуальной АТС, скачанная запись вебинара, видео с телефона, голосовое из мессенджера — происхождение неважно, важно, что запись есть и лежит у вас. Это единственный тип, которому всё равно, где именно она велась.

Механика: вы отдаёте файл, сервис возвращает текст, размеченный по говорящим, с временем у каждой реплики, и второй слой поверх него — краткое содержание, принятые решения, задачи с владельцами и сроками. Дальше документ выгружается в формат, в котором вы работаете, а сама запись остаётся в архиве и ищется вместе с остальными.

Vibe2Text относится ровно к этому типу, и это стоит сказать прямо: запись мы за вас не добываем — её приносите вы. Приносить можно по-разному: файлом, ссылкой на видео, записью прямо в браузере или впустив бота на онлайн-встречу. Дальше маршрут одинаковый: расшифровка раскладывает реплики по говорящим, подставляет имена из самого разговора, если участники представились, ставит время у каждой реплики, а поверх собирает саммари, решения и задачи. По архиву работает поиск, а чат по записи отвечает цитатами с отметками времени. Рамки простые: файлы до 4 ГБ и до 6 часов, русский и английский, экспорт в DOCX, PDF, TXT, Markdown, JSON, SRT и VTT, старт бесплатный и без карты.

Слабое место у типа общее, и его честнее назвать сразу: два ручных шага. Запись надо сначала получить — скачать из ВКС, снять с диктофона, выгрузить из CRM, — а потом загрузить. Если созвонов десять в неделю, эти два шага кто-то повторяет каждый раз. Второе ограничение — ожидание: длинный файл обрабатывается не мгновенно. Третье — лимиты по весу и длине, которые у всех разные и обнаруживаются ровно в тот момент, когда текст нужен срочно.

Кому подходит. Тем, у кого записи разного происхождения и разной давности: диктофон, звонки, вебинары, интервью, архив за три года. Всё это ложится в один кабинет, ищется одним поиском и выгружается одинаково — независимо от того, на что записывалось.

Тип 3. ИИ-ассистенты встреч: бот приходит на созвон

Третий тип избавляет ровно от того ручного шага, который остаётся у второго. Бот подключается к онлайн-встрече как ещё один участник, слушает её целиком и к концу отдаёт текст и краткое содержание. Скачивать и загружать не приходится ничего: календарь и ссылка на встречу заменяют обе операции.

Так устроены известные зарубежные ассистенты, и по их тарифным страницам хорошо видно, из чего складывается тип. У Otter на бесплатном плане — 300 минут расшифровки в месяц, не длиннее 30 минут на разговор, и три импорта готовых файлов за всё время жизни аккаунта; расшифровка там заявлена для английского, испанского, французского, немецкого, японского и китайского. Fireflies на бесплатном плане обещает безлимитную расшифровку при 400 минутах хранения на команду, безлимитные ИИ-саммари и 20 ИИ-кредитов, а бот подключается к Zoom, Google Meet и Teams. Для русскоязычной работы в этих строчках важнее всего первая: какие языки и какие площадки перечислены. Что проверить, если вы уже сидите на одном из них: переход с Otter.ai и перенос встреч из Fireflies.

Ограничения вытекают из той же механики. Бота надо впустить, и участники его видят — там, где это не принято, встреча начинается с объяснений. Работает он только там, где есть онлайн-созвон: переговоры в кабинете, звонок по телефону, лекция в аудитории проходят мимо. Архив оседает в кабинете ассистента отдельно от всего, что вы расшифровывали другим способом. И согласие участников никуда не девается: предупреждать о записи нужно так же, как при любой другой.

Кому подходит. Командам с плотным календарём онлайн-встреч на одной-двух площадках, где рутина «скачай — загрузи» повторяется ежедневно и стоит дороже, чем ещё один участник в списке.

Тип 4. Речевые API: текст уходит не человеку, а программе

Четвёртый тип узнаётся по первому экрану сайта: там код, а не кнопка загрузки. Речевой API — продукт для разработчика: запись уходит запросом, текст возвращается ответом, а что с ним делать дальше, решает ваша система. Человек в этой схеме не открывает никакого кабинета, потому что кабинета обычно и нет.

У российских платформ это отдельные продукты со своей документацией. SaluteSpeech в документации Сбера описан как сервис синтеза и распознавания речи; чтобы начать, нужен рабочий проект в Studio и токен доступа, а для юридических лиц предусмотрены отдельные условия использования. Логика у речевых API схожая: аккаунт, проект, ключ, оплата по объёму обработанного аудио, а конкретные лимиты и цены ищут в документации, а не на лендинге.

Главное ограничение звучит не как недостаток, а как условие входа: у API нет интерфейса. Ни кабинета, ни редактора, ни архива, ни поиска, ни выгрузки в DOCX — всё это пишется на вашей стороне. Задача «получить текст» решается за день, задача «сделать так, чтобы этим пользовался отдел» превращается в проект со сроками и поддержкой. Если разработчика нет, тип не ваш, каким бы привлекательным ни выглядел ценник за минуту.

Кому подходит. Командам с потоком в тысячи записей, собственной системой, куда должен приезжать текст, и человеком, который напишет интеграцию и будет её поддерживать. Типичный случай — колл-центр, складывающий расшифровки в свою аналитику, или продукт, внутри которого расшифровка это одна из функций. Более широкий разбор сценариев — в гайде по выбору сервиса транскрибации.

Тип 5. Расшифровка внутри самой видеоконференции

Пятый тип — не отдельный сервис, а функция площадки, на которой вы и так встречаетесь. Подключать нечего: запись и её текст живут в том же кабинете, что и сама встреча, а доступ определяется тарифом и правами администратора. Это самый короткий путь из всех, пока встречи не выходят за пределы одной платформы.

У МТС Линк в блоке ИИ-возможностей встреч заявлена текстовая расшифровка, а виртуальный ассистент, по описанию на странице сервиса, «проанализирует ваши встречи и расскажет, что обсуждали, какие решения приняли и задачи поставили»; на бесплатном тарифе размер файлового хранилища — 500 Мб. Контур.Толк обещает полную текстовую расшифровку встречи с тайм-кодами и ИИ-протокол, «где зафиксирует принятые решения и список задач с ответственными и дедлайнами», а также хронологический пересказ; в облачном варианте записи и переписки хранятся на серверах в России, есть вариант на своих серверах, а начать можно с бесплатного тарифа «Старт». Яндекс Телемост описан как бесплатные видеовстречи без регистрации и ограничения по времени, а встречу можно записать, «чтобы пересматривать и делиться с теми, кто не мог на них присутствовать».

Ограничение одно, зато определяющее: тип работает только для встреч своей площадки. Компания, у которой часть созвонов идёт в одной ВКС, часть в другой, а переговоры с подрядчиком записываются на телефон, получает три архива в трёх местах и ни одного поиска, который прошёл бы по всем сразу. Добавьте привязку функций к тарифу и к правам администратора: включить расшифровку иногда может не тот, кому она нужна. Что из этого следует на практике — в сравнении Телемоста и МТС Линка и в разборе расшифровки встреч в Контур.Толке.

Кому подходит. Командам, у которых действительно все встречи проходят в одной платформе, а записей со стороны не бывает. Как только появляется вторая площадка или диктофон, к этому типу почти всегда добавляется второй.

Сводка: тип, задача, граница

Пять строк, по которым видно, что типы не конкурируют друг с другом напрямую: у каждого своя работа и своя стена. Строку с «точностью» в этой таблице искать бесполезно — она зависит от вашей записи, а не от типа.

Куда в итоге попадает архив

Разница между типами становится осязаемой не в день расшифровки, а через полгода, когда кто-то спрашивает: «в каком созвоне мы это решили?» Ответ зависит не от качества текста, а от того, где текст лежит и что лежит рядом с ним.

Ни один тип не обязан быть единственным, и связки выше — не компромисс, а обычная практика. Каждая механика делает то, что умеет, а вопрос «где искать через полгода» получает один ответ вместо трёх. Что при этом влияет на сам текст — тема, никак не связанная с типом: она разобрана на странице про качество распознавания.

Как проверить кандидата на своей записи за полчаса

Тип определяется одним вопросом, пригодность — одной своей записью. Демонстрационный файл с сайта для этого не годится: берите типичную рабочую запись, лучше не самую удачную. Полчаса по шагам ниже отвечают на вопрос «мой ли это тип и где его стена», а не на вопрос «кто точнее».

1. Определите тип за минуту. Найдите на сайте ответ на один вопрос: откуда сервис берёт запись — с микрофона, из встречи, файлом или из вашего кода. Если формулировки размытые, посмотрите на скриншоты: там всегда видно, есть ли окно загрузки и поле для ссылки на встречу.
2. Проверьте, принимает ли он вашу запись вообще. Длина, вес, формат. Часовая планёрка на полтора гигабайта — обычное дело, и ровно на ней отсеивается часть кандидатов ещё до разговора о качестве.
3. Посмотрите, есть ли говорящие и таймкоды. Без них текст встречи остаётся простынёй: не собрать ни протокола, ни задач, а спорную фразу нечем проверить.
4. Выгрузите документ в свой формат и откройте его. Текст на экране и текст в скачанном файле — разные вещи; смотрите, доехали ли имена говорящих и отметки времени.
5. Найдите цену для своего объёма и способ оплаты. Карта российского банка, счёт и закрывающие документы для юрлица — на зарубежных сервисах этот шаг часто и заканчивает выбор. Ориентиры по цене — на странице стоимости расшифровки.
6. Удалите тестовую запись. Убедитесь, что она пропала из архива и из поиска. Заодно узнаете, есть ли кнопка удаления и где она живёт.
7. Сравнивайте внутри типа. Загрузчик с загрузчиком, ассистента с ассистентом. Сравнение диктовщика с речевым API не даёт никакой информации, кроме того, что они разные.

1. Вопросоткуда берётся запись
2. Своя записьтипичная, а не демо
3. Документэкспорт в рабочий формат
4. Выходоплата, счёт, удаление

Если тип подошёл и внутри него осталось двое-трое кандидатов, дальше идёт другая процедура — семь критериев на одном тестовом файле. А где проходит граница бесплатного и почему длинная запись всё равно попросит аккаунт, разобрано в статье про бесплатную расшифровку.

Частые вопросы

Проверено 14 августа 2026 по официальным страницам сервисов: справка Google о голосовом вводе в Документах (пункт «Инструменты» → «Голосовой ввод», поддержка последних версий Chrome, Edge и Safari, наличие русского в списке языков, голосовые команды только на английском); страница тарифов Otter (бесплатный план: 300 минут расшифровки в месяц, до 30 минут на разговор, три импорта файлов за всё время, перечень языков расшифровки); страница тарифов Fireflies (бесплатный план: безлимитная расшифровка, 400 минут хранения на команду, безлимитные ИИ-саммари и 20 ИИ-кредитов, подключение бота к Zoom, Google Meet и Teams); страница «МТС Линк Встречи» (текстовая расшифровка в блоке ИИ-возможностей, описание виртуального ассистента, файловое хранилище 500 Мб на бесплатном тарифе); страница «Контур.Толк» (полная текстовая расшифровка встречи с тайм-кодами, ИИ-протокол с решениями и задачами, хронологический пересказ, хранение на серверах в России и вариант на своих серверах, бесплатный тариф «Старт»); страница «Яндекс Телемост» в Яндекс 360 (бесплатные видеовстречи без регистрации и ограничения по времени, запись встречи); документация SaluteSpeech (сервис синтеза и распознавания речи, рабочий проект в Studio и токен доступа, отдельные условия для юридических лиц).