На записи не слышно собеседника: почему так вышло и что теперь делать

Один звучит нормально, второго еле слышно

Час переговоров записан, файл открывается — и выясняется неприятное: ваши реплики звучат отчётливо, а собеседник бормочет откуда-то из соседней комнаты. Причём именно он называл сумму и сроки. Ситуация «на записи не слышно собеседника» — самая частая жалоба после встреч за столом, интервью и разговоров по громкой связи.

Важно сразу развести две разные беды. Первая — тихо: голос есть, он просто слабее соседнего. Вторая — неразборчиво: голос утонул в гуле, эхе или шипении фильтра. Лечатся они по-разному, и половина потраченных вечеров уходит на то, что человек пытается «сделать громче» там, где громкости и так достаточно, а разборчивости нет.

Пять причин, по которым один участник тише остальных

Причины складываются: на живой встрече их обычно две-три сразу. Полезно опознать свою — от этого зависит, чинится ли она вообще.

Последние две строки — самые обидные. Когда человек отвернулся или между ним и микрофоном работает кондиционер, в файл попадает не «тихая речь», а речь пополам с комнатой. Усиливать там нечего: поднимется всё вместе.

Геометрия стола: почему середина честнее края

Физика тут простая и неумолимая. Звуковое давление от источника падает обратно пропорционально расстоянию — в децибелах это те самые 6 дБ на каждое удвоение дистанции. Один шаг назад от микрофона стоит дороже, чем кажется на слух.

Переведём в стол переговоров. Телефон лежит перед вами: до вашего рта 0,5 метра, до собеседника напротив — 2 метра. Это два удвоения подряд, то есть около 12 дБ разницы. На слух в комнате вы её не замечаете, потому что мозг подстраивается под говорящего; микрофон не подстраивается — он честно пишет то, что до него дошло. Цену вопроса стоит прикинуть заранее: если дальний участник говорит 12 минут из 60, под ударом 20 % встречи, и это обычно та самая часть, где называют сумму и срок.

Отсюда правила, которые ничего не стоят. Устройство — в середину, микрофоном вверх, не под бумаги и не под ладонь. Стол длиной больше двух метров лучше не «покрывать» одним телефоном вовсе: садитесь плотнее к одному краю, а устройство ставьте в центр занятой части, а не геометрического стола.

Гарнитура у одного делает перекос сильнее, а не слабее

Второй источник перекоса неочевиден: он появляется как раз тогда, когда кто-то позаботился о качестве. Микрофон гарнитуры держится в двадцати-тридцати сантиметрах ото рта и рассчитан на то, чтобы брать голос вблизи и глушить всё остальное. Для владельца гарнитуры это отлично, для остальных участников — приговор: они попадают в ту самую категорию «всё остальное».

Тот же эффект даёт направленный микрофон диктофона, повёрнутый в одну сторону, и громкая связь: телефон пишет вас вблизи, а собеседника — через динамик и половину комнаты. У собеседника вдобавок фора отрицательная: его голос уже прошёл телефонный канал шириной примерно 300–3400 Гц с оцифровкой на 8 кГц, и верх спектра, где различаются шипящие, с него срезан ещё до вашей комнаты. Правило простое: гарнитуры или у всех, или ни у кого. Смешанная схема даёт худший из вариантов — одного слышно как в студии, остальных как в коридоре.

Две минуты до начала, которые снимают проблему

Всё, что реально помогает, делается до нажатия кнопки и занимает меньше времени, чем потом уйдёт на один переслушанный фрагмент.

1. Посадите тихого ближе к устройству. Самый дешёвый приём вообще: не двигать микрофон, а поменять места. Разница в один метр стоит примерно 6 дБ — больше, чем любая последующая обработка.
2. Дайте петличку тому, кого хуже слышно. Петличный микрофон держит дистанцию около 20 см независимо от того, как человек повернулся, и уравнивает его с остальными.
3. Договоритесь про направление. Одна фраза в начале — «говорим в сторону телефона, он посередине» — работает лучше любых настроек: люди помнят про микрофон первые 20 минут, а это как раз содержательная часть.
4. Уберите шум между людьми. Проектор, кондиционер и открытое окно мешают не всем одинаково: сильнее всего они бьют по самому тихому участнику, потому что маскируют именно слабый сигнал.
5. Сделайте тестовые 20 секунд. Попросите каждого назвать имя и роль, остановите запись, послушайте. Круг представлений заодно даёт системе материал, по которому она подставит имена в расшифровку.

Устройство — в середину занятой части стола, микрофоном вверх
Сверху ничего: ни бумаг, ни ладони, ни чехла
Самый тихий участник — ближе всех к устройству
Петличка — тому, кого хуже слышно
Кондиционер, проектор, открытое окно — выключить или закрыть
Гарнитуры: у всех или ни у кого
Вслух: «пишем звук, говорим в сторону телефона, он посередине»
Тест 20 секунд: каждый называет имя и роль
Прослушать тест: дальнего слышно так же, как ближнего?
Заряд и свободное место проверены

Что происходит с тихой репликой при разделении говорящих

Здесь начинается то, ради чего эта статья написана. По нашей практике перекос по громкости бьёт вовсе не туда, куда ожидают: слова тихого участника чаще всего распознаются, а вот подпись под ними — нет.

Разделение говорящих опирается на приметы голоса: тембр, высоту, манеру. У далёкого и тихого участника этих примет в файле остаётся мало — вместо голоса система получает голос пополам с комнатой. Дальше происходит одно из трёх: его короткие реплики приклеиваются к соседним, длинные разъезжаются на двух «спикеров», а самые тихие «угу» и «да» не отмечаются вовсе.

Чинится это в редакторе: подписи переименовываются по всему документу одним движением, а спорные места проверяются кликом по реплике. Работа не тяжёлая, но её объём прямо зависит от того, насколько ровно записаны голоса, — и вот эта зависимость и есть главный аргумент в пользу двух минут подготовки.

Запись уже такая: как усилить тихую речь и не поднять шум

Первый порыв — открыть редактор и выкрутить громкость. Он и приводит к типичной жалобе: «сделал громче, а разобрать всё равно нельзя». Причина в том, что усиление не различает, что усиливать: вместе с голосом на те же децибелы поднимается кондиционер, шорох бумаг и дыхание в паузах.

Отсюда порядок действий, который работает. Если у вас раздельные дорожки — каждый участник писался своим микрофоном, площадка отдала запись по участникам, — это лучший случай: нормализуйте каждую дорожку отдельно, и перекос исчезнет вместе с проблемой. Ориентир для нормализации по громкости давно стандартизован: вещательная рекомендация задаёт целевой уровень −23 LUFS с допуском в пол-единицы.

Ключевое слово здесь — «по громкости», а не «по пикам». Нормализация по пиковому уровню смотрит на самый громкий отсчёт файла и ничего не знает о том, как звук воспринимается: две записи с одинаковым пиком звучат по-разному. Нормализация по громкости считает интегральный уровень всей записи — и именно она сводит двух участников к сопоставимой слышимости.

Если дорожка одна и все голоса в ней перемешаны, чудес не будет. Тут помогает мягкая динамическая обработка: компрессор с небольшим коэффициентом подтягивает тихие места, не выводя громкие в клиппинг. Агрессивные настройки делают обратное — выравнивают всё подряд, включая фон, а заодно ломают тембр, по которому система различает говорящих.

Где расшифровка справится сама, а где придётся переслушивать

Хорошая новость: порог слышимости у распознавания ниже человеческого терпения. Речь, которую вы разбираете с третьего раза, обычно превращается в текст с первого — просто потому, что системе не мешает усталость и она не отвлекается.

Практический приём для второй и третьей строк: не вычитывайте всё подряд. Пройдите по местам, где решалось важное, — суммы, сроки, фамилии, — и проверьте их кликом по реплике. Остальное можно оставить как есть. Считается это просто: разговорный темп — около 120 слов в минуту, значит час встречи это примерно 7 000 слов, 28 страниц по 250 слов. Сплошная вычитка идёт медленнее самой записи — 90–120 минут на час, — тогда как проверка десяти спорных мест кликом занимает 5–7 минут.

Если после всех проверок текст всё-таки рваный, вопрос уже не в громкости, а в том, что в файле осталось. Разложить, звук виноват или что-то ещё, помогает диагностика из отдельного разбора — звук виноват или сервис. А что вообще влияет на результат распознавания, собрано на странице про что влияет на качество распознавания.

Чтобы в следующий раз слышно было обоих

Сведём к четырём шагам, которые повторяются от встречи к встрече.

1. Местоустройство в центр занятой части стола
2. Тихому — ближеили петличка, если голос слабый
3. Тест 20 секундкруг представлений и прослушивание
4. Текст в тот же деньспикеры правятся, пока помните голоса

Последний шаг недооценивают. Через неделю вы уже не помните, кто сидел справа, и переименование «Спикер 3» превращается в гадание. В день встречи это 30 секунд: запись загружается на расшифровку как есть, а подписи расставляются по свежей памяти.

Частые вопросы

Проверено 15 августа 2026 года. Падение звукового давления с расстоянием (обратная пропорциональность расстоянию, около 6,02 дБ на каждое удвоение дистанции) — по статье Inverse-square law. Целевой уровень нормализации по громкости −23 LUFS с допуском ±0,5 LU (и ±1 LU для материалов вроде прямых эфиров), а также разница между нормализацией по громкости и по пиковому уровню — по рекомендации EBU R 128 и её описанию в статье EBU R 128. Полоса телефонного канала 300–3400 Гц и частота дискретизации 8 кГц — по рекомендации ITU-T G.711 для узкополосной телефонии. Наблюдение о том, что при перекосе громкости первым страдает разделение говорящих, а не распознавание слов, и оценка темпа сплошной вычитки (90–120 минут на час записи против 5–7 минут на выборочную проверку спорных мест) — собственная практика Vibe2Text на записях встреч с тремя и более участниками, август 2026.