Транскрибация аудио/видео - в текст

Уже не в первый раз меня спрашивают про транскрибацию из аудио/видео в текст. Например, есть записи видео с конференции и хочется краткое резюме или нужен текстовый вариант для дальнейшей работы.

Решила сделать тест драйв и разобрать сервисы, которыми сама буду пользоваться

😅 Получилось длинно, но надеюсь полезно

С короткими видео до 1 мин. все просто - практически любая нейросеть расшифрует текст и сделает саммари и перевод, если нужно.

⚠️Однако текстовые LLM не принимают файлы большого объема, ссылки на гугл диск или YouTube. Для длинных видео или подкастов нужны специальные сервисы.
Их я и протестировала.

Самый топовый сервис для транскрибации – Whisper от Open AI. Но его просто так не потестить – у него нет своего приложения, он доступен только через API.

Зато многие приложения работают на его основе, например
❇️ Riverside https://riverside.com/

Это крутой сервис, не столько для транскрибации, сколько для редактирования аудио или видео. Например, можно удалить ненужную фразу из транскрипта, и она автоматически исчезнет из записи.

👉 В Riverside можно только загружать файлы, ссылки он не принимает.
👉Качество транскрибации хорошее, в условно бесплатной версии можно расшифровывать до 2 часов записей ежемесячно.
⚠️Но скачать расшифровку бесплатно не получится — это можно сделать после регистрации и введения данных зарубежной карты (будет доступно бесплатно тестовых 14 дней). Далее платный тариф – 24 доллара/мес

Это отличный вариант, если нужно редактировать видео или аудио.

А вот несколько удобных русскоязычных сервисов, которые можно оплатить российской картой.

❇️ https://speech2text.ru/

👉 Этот сервис меня очень порадовал – принимает и файлы большого объема и любые ссылки: на Youtube, Google Disc и даже no name файлообменник, который прислали организаторы конференции.
👉 Правильно разделил по спикерам, добавил таймкоды, русскую речь распознает практически без ошибок.
👉 Бесплатно можно пользоваться 180 минут, единственно потребуется зарегистрироваться
Платный тариф 480 руб (6 часов в мес)

Очень достойный вариант и для разового и для регулярного использования

❇️ https://teamlogs.ru/

👉 Бесплатно только первые 15 мин, далее 6 руб/мин. (время загрузки файла не учитывается, только транскрибации)
👉 Есть разделение на спикеров и тайм-коды, отличное качество текста.
⚠️Минус в том, что принимает только файлы, ссылки на Google Disk, YouTube загрузить не получится.
👉 Но зато одновременно можно загрузить до 10 файлов, каждый размером до 1,5 ГБ (до 5 часов)

Если нужно расшифровать сразу много файлов или разовая задача, то вполне подходящий вариант

А вот еще один удобный сервис, который работает в телеграм

❇️ https://t.me/WhisperSummaryAI_bot делает расшифровку аудио и видео в текст прямо в телеграм

👉 Порадовало, что можно загружать не только файлы (лекции, видео), но и любые ссылки: на ютуб, файлообменники или соцсети
👉 Транскрибация присылается в формате ворд или pdf, все можно бесплатно скачать.
👉Указаны таймкоды, разделил на спикеров, правда качество текста не самое высокое, и спикеров он местами перепутал.
👉 Еще бот сразу высылает саммари и предлагает преобразовать текст, например, в пост для того же телеграм.
Бесплатно можно сделать только три запроса на старте. Дальше 349р месяц безлимит и 150р неделя безлимит.

Такой скорее мобильный вариант, чуть хуже качество, зато быстро и удобно


Делитесь с коллегами и ставьте лайки.

А еще пишите в комментариях, под какие задачи сделать тест-драйв

Кому промокод от teamlogs.ru?

Про этот сервис для транскрибации из аудио/видео в текст я писала в посте выше 👆

✅ Промокод TWNDS15 дает скидку 15%.

👉 1 пользователь может воспользоваться промокодом только один раз.
👉 Промокод будет действовать в течение месяца при покупке от 1 до 1000 минут

Нереклама, но приятный бонус для моих подписчиков.
Сохраняйте и делитесь с коллегами

Отличный анализ бизнес архитектуры AI стартапов, делюсь

Техбизнес долго был asset-light. Capex Google или Meta в $30-35 млрд в год - это 5–10 % выручки. Сейчас Capex под AI уже > $100 млрд в год - это в 3 раза дороже классического веб-поиска. Каждый AI-запрос ≈ в 10 раз тяжелее по вычислениям.

Происходит инверсия бизнес-модели: asset-light -> asset-heavy. OpenAI становится капиталоёмким инфраструктурным бизнесом, а не интернет-экономикой. НО у неё нет ресурсов, чтобы удержаться там самостоятельно.

С другой стороны OpenAI пытается играть в классе супербыстрорастущих компаний, но без капитала.

То есть если реальный спрос на AI не догонит темпы Capex, мы получим телеком-сценарий в конце 90-x: инфраструктура есть, доходов нет.

Ключевой вопрос на поверхности: долгосрочные капитальные вложения (CapEx) - такие, что реальная отдача в виде прибыли, выручки и окупаемости начнёт приходить через 5–10 лет (или нет?)) Компании и инвесторы верят, что в течение следующих 5–10 лет спрос на AI будет экспоненциально расти, монетизация улучшится, инфраструктура окупится, прибыль придёт позже, но в огромных объёмах.

Исторические аналоги:
Железнодорожный бум - инфраструктура строится, билеты ещё не продаются.
Dot-com (начало 2000) - сайты и дата-центры растут, прибыли нет.
Телеком - кабели проложены, трафика нет.

ОДНАКО Capex - это не просто расходы, это способ занять стратегическую позицию. Они окупаются не мгновенно, но дают компании ее партнерам контроль над критическими ресурсами цепочки: вычислительные мощности, данные, модели, каналы доступа к пользователю. И это важно: даже если такие вложения окупаются медленно или не полностью, они создают барьеры входа для всех остальных. Даже если часть инвестиций не окупится напрямую, важно, что другим будет невозможно догнать. Это называется архитектурное лидерство: ты создаёшь структуру рынка, а не просто продукт.

Nvidia, OpenAI и Microsoft сейчас инвестируют в разные слои одной стратегической архитектуры, и каждый слой даёт свой тип власти.

Nvidia строит инфраструктуру, чтобы продлить контроль и создать зависимости, где каждый запрос проходит через её чипы. То есть Nvidia зарабатывает не на чипах как на “железе”, а на контроле архитектуры - кто, как и на чём будет считать AI. Это власть “внизу”, но стратегически очень устойчивая.

OpenAI, наоборот, контролирует верхний слой - данные и модели
OpenAI, в отличие от Nvidia, не владеет инфраструктурой,
но контролирует модели и обучение на человеческих данных.

Она строит власть “сверху”:
- через lock-in пользователей (подписки, API),
- через data flywheel (чем больше пользователей → тем лучше модель → тем больше пользователей).

Microsoft хочет поставлять инфраструктуру и монетизировать конечный спрос (Azure, Copilot, 365).

Microsoft - это интегратор и “продавец доступа” через свои интерфейсы. У нее идеальная позиция посредника: она капитализирует успех OpenAI и Nvidia, но при этом остаётся относительно защищённой от закона Мура и ценового обвала оборудования. Её цель сделать AI-сервисы базовым слоем своей экосистемы, как Windows стал базовым слоем для ПК, а Office для документооборота.

Глубинные интервью за 3 часа - CustDev с помощью цифровых аватаров

В маркетинге без исследований не обойтись, но бюджета и времени на проведение качественных и количественных исследований всегда меньше чем хотелось бы. А данные для принятия решений часто нужны были вчера

Полное маркетинговое исследование от идеи до отчета за 3 часа только с помощью ИИ выглядит сомнительно. Но это только на первый взгляд.
И если не все исследование, то какие то его шаги точно можно отдать нейросетям - будет сильно быстрее и дешевле

Когда есть методология и готовые промпты, на проверку нескольких гипотез реально уходит 3 часа (проверено). И заметьте, вся стоимость такого исследования - это стоимость вашей подписки (GPT, Perplexity, .. whatever)

❇️ Пройдем по шагам на примере CustDev или customer development

➡️ Сегментация целевой аудитории - делает очень неплохо. Сравнила ответы ИИ с реальным исследованием, которое проводили ранее - получилось очень близко. Причем разные сети давали похожие сегменты. С детальным описанием сегментов (соц-дем, поведенческие паттерны и пр)

➡️ Определение потенциала сегментов - в целом приоритеты расставит верно, но с цифрами ошибается. Особенно если речь идет о медицинской статистике по распространенности заболеваний. Я прикладывала источники, откуда брать статистику, чтобы считать точнее

➡️ Детальное описание каждого сегмента. Это точно надо отдавать нейронкам - опишет хорошо и максимально подробно проблемы, потребности, боли, Jobs-to-be-done и пр.

➡️ Описание цифрового аватара. Здесь не про видео двойника, а про образ респондента, который будет отвечать на вопросы. Через нарративный прием, нейросеть очень детально опишет личность респондента (ценности, привычки, образ мысли, хобби, даже что ел на завтрак)

➡️ Формулировка гипотез - их можно сделать сколько угодно и отобрать, то что реально откликается и применимо. И уже эти гипотезы тестировать

➡️ Генерация вопросов для проверки гипотез - опять же можно сгенерировать много и выбрать самые цепляющие. Если вопросы выглядят как "мистер очевидность", можно зашить в промт проективные методики (интервьюэры хорошо их знают)

➡️ Глубинные интервью с цифровыми аватарами - самое интересное. Такие наделенные личностью аватары очень хорошо вживаются в роль и дают почти живые и очень правдоподобные ответы.
Здесь можно поспорить, можно ли найти инсайты в ответах аватаров. Но будем честны - всегда ли даже в большом и суперкачественном исследовании вы находили тот самый инсайт?

➡️ Проверка гипотез и подготовка отчетов - эта функция кажется первой ушла нейросетям. Транскрибация интервью, анализ и синтез и написание отчетов агентства уже делают с помощью нейросетей

👉 Пишите в личку, если нужна помощь с исследованием.
Лайки и репосты тоже приветствуются 😊

Второй пошел!

Вообще то я не собиралась идти на Вайбкодинг. Ну может быть потом, когда нибудь...

Первым приоритетом был курс по Промпт инжинирингу: автоматизация процессов, разворачивание локальных моделей, No-code/Low-code инструменты, дообучение LLM - полная круть.

С одной оговоркой (о которой узнала позже, а добрые организаторы скромно умолчали) - без IT бекграунда приличная часть информации проходит мимо

Да, программистом быть не нужно, код напишет нейронка (и это надо еще уметь правильно ей поставить задачу), но проверить, работает ли он можно только в IDE. И потом, даже минимальное приложение - это много разных библиотек, модулей, между которыми надо установить зависимости... без навыка обработки ошибок в IDE на курсе делать нечего

И даже в No-code/Low-code инструментах, когда JSON выдает ошибку и GPT ее не находит или надо установить сертификаты минцифры для подключения Гигачата через API - тот еще квест

В общем, я прошла все стадии: отрицание, гнев, депрессия... желание бросить все было очень сильным.

Но я же не бросаю на полпути! Поставила курс на паузу, сделала глубокий вдох... и пошла изучать Вайбкодинг 😊

После Промпт инжиниринга этот курс - просто курорт. Все просто, для новичков. Отдельная песня - магия Курсора! Надо видеть, как он сам готовит структуру, пишет код, проверяет, запускает, исправляет и выдает готовое работающее приложение, пока я пью чай и иногда подтверждаю очередную операцию.
Ну ладно, может все чуть сложнее - отладка может и несколько дней занимать. Но все работает в итоге

Не будучи программистом (весь код пишет Курсор), я уже могу сделать простого ассистента, веб страницу и даже сделала что давно хотела - прототип ассистента, который анализирует рыночные данные по текстовому запросу ("Проанализируй таблицу и скажи, какой бренд из ТОР 10 растит долю рынка быстрее других и дай 3 гипотезы, с чем это может быть связано") Работает!

В общем получила всю необходимую базу, чтобы понимать сложные темы и вернулась обратно. Чувствую, что обрастаю экзоскелетом. Иду дальше!

И кстати, развернуть локальную LLM у себя очень просто, если конечно мощности компьютера позволяют - проверила.

https://tenchat.ru/post/4315153

А смотрите, какую потрясающую красоту делает моя сокурсница Валя 🥰🔥

Если вы не поняли (потому что я например не поняла 🤩), в кадре - не Валентина, а ее аватар!
Ну круто же! Никогда не скажешь.

Все таки нетворкинг - это сила💪

Я знаю, у кого буду заказывать аватаров и ИИ ролики! 😊
Ну и сайты, конечно

Близка к тому, чтобы сделать страшное - отключить платную подписку GPT 😱

Мне одной кажется или каждая новая версия от Open AI хуже предыдущей? Я не знаю, как это работает, но тот же GPT 5.2 в Перплексити дает сильно лучше ответы, чем в самом Chat GPT.

У меня давно Pro подписка на Перплексити, но как то много не пользовалась. А потом как присмотрелась!

Кто еще не знаком - Перплексити изначально была задумана как поисковик и в этом ей нет равных: отличное качество поиска, всегда приложены ссылки, относительно мало галюцинаций.

Под капотом есть собственная LLM - Sonar, но также есть и другие: GPT , Gemini, Grok и др.

Перплексити работает без слова из трех букв, которое нельзя произносить - VPN

В режиме ПРО доступно много всяких функций

Битва нейросетей (это когда один промпт бросаешь в разные нейронки) в Перплексити происходит в одном окне. Просто открываю новый диалог, меняю модель и вперед! Даже диалоги все сохраняются - можно сравнить. Только переименовать диалог не забудьте, а то в истории не сохраняется, кто вам отвечал (в библиотеках находите нужный диалог и жмете на три точки справа)

Есть мнение, что GPT хорошо пишет код. Но какой может быть GPT, когда есть Курсор и тот же Claude Sonnet 4.5 в Перплексити (в курсоре он просто творит чудеса, если бы еще токены так быстро не заканчивались). Наглядный пример - ошибку внутри JSON в MAKE Перплексити нашел быстрее чем кастомный GPTs, обученный работе в MAKE.

Постоянно пользуюсь кастомными GPTs - сейчас у Перплексити есть пространства (аналог GPTs) и там тоже есть возможность подгрузить системный промпт, ссылки и файлы. Нет только вызова функции, но я ей и не пользуюсь.

Функция Labs в перплексити работает по аналогии режима агента в GPT, а еще делает интерактивные презентации, игры и всякие другие крутые штуки, которые заслужиаают отдельного поста.

Ну и вишенка - все это удовольствие стоит 500 р. в год вместо 20 $ ежемесячно.
Шах и мат

👉 Если у вас еще нет годовой Перплексити PRO за 500 р. но очень хочется - пишите в комментариях, научу как подключить

Про извлечение текста из pdf


✅ Допустим у вас есть pdf файл и вам нужно извлечь из него точный текст. Например перевести его в редактируемый формат для доработки или отправить текст в переводчик. Или вы делаете RAG систему и вам нужен чистый сплошной текст, ибо качество ответов ассистента сильно зависит от качества подготовки текста на входе. Не суть.

➡ Если pdf небольшой и в хорошем качестве, никаких проблем нет – можно просто скопировать текст и вставить его в ворд или txt.
Или можно отправить файл в любую мультимодальную LLM, которая распознает pdf – она пришлет текст либо в диалоговом окне, либо даже вложением.

⚠ Но здесь надо быть осторожным и внимательно вычитывать, что вам вернула модель. Чем длиннее текст на входе, тем больше вероятность, что нейронка его исказит. Даже модели с заявленным большим контекстным окном на деле плохо работают с длинными текстами.
Получив большой файл на вход, они могут «забыть» что текст нужно воспроизвести дословно (эффект «Needle‑in‑a-Haystack») и начинают делать саммари, или экономят токены и подставляют данные из кэша. Либо теряют большие куски текста, причем в середине, где сложнее найти (эффект «lost in the middle»)

🚫 Если же у вас много объемных файлов, которые просто не проходят по объему, или вы работаете с каталогами, где текст сверстан в виде колонок или графических блоков, разбросанных на странице, придется искать другие варианты

Самое правильное – исключить из процесса LLM и извлечь текст исключительно кодом (слава Вайбкодингу🙏)

❇ Обработка PDF-файла идет в 4 этапа

1. Извлечение сырого текста – модуль достает весь текст, который есть на странице

2. Очистка от артефактов верстки. Распознает текст в колонках или графических блоках, убирает «графический мусор» (повторяющиеся заголовки/футеры, маркированные списки), склеивает переносы.

3. Сборка чистого сплошного текста логическими блоками

4. Контроль качества - проверяет полноту извлечения по определенным признакам (наличие заголовка и другие контрольные точки, которые вы задаете)

Затраты здесь – только стоимость подписки на Курсор и ваше время)). Токены здесь не тратятся

Такой способ извлечения намного надежнее и быстрее.
❇ Но без Human-In-The-Loop все равно не обойтись.
Каждый текст на выходе придется проверить. Например, система может не распознать название раздела (если он в виде лого) или не считать текст из боковых разделов, посчитав его «графическим мусором»

Но давайте воспринимать, это не как «петлю», а как контроль, неизбежную часть процесса. Все как в жизни))

Если нужна помощь с извлечением текстов, как всегда, пишите в комментариях, или в личку @ReutovaOlga

Сложно поверить, но термину вайб-кодинг всего год!

Ровно год назад Андрей Карпатый написал твит про программирование "с вайбом" когда забываешь про код и думаешь лишь о том, какой продукт должен получиться на выходе.

Это кажется фантастикой, как поменялось программирование.
Если что, я врач по образованию и всю профессиональную жизнь занимаюсь фармацевтическим маркетингом. Я всегда была далека от IT, примерно как от ракетостроения, а слова деплой и дебаг казались ругательствами.

Сегодня я могу быстро сделать веб приложение, ИИ ассистента в телеграм, научного нейро-ассистента и много всего еще.
Причем бОльшая часть времени уходит на подготовку промпта (ТЗ) для Cursor.

Зачем мне все это?
Как будто, изучение ИИ технологий кажется очень логичным сегодня, и тем не менее этот вопрос мне задавали не единожды)) Поэтому отвечу

☺ Удобство и свобода в использовании ИИ.
👉 Я не ограничена окном ChatGPT, а могу использовать любой интерфейс, который мне удобнее под ту или иную задачу (телеграм, веб) или могу подключить ИИ к excel, Google sheets, если работаю с данными.
👉 Могу оплачивать токены рублями вместо зарубежной карты, если подключиться через ProxyApi
А это значит, что мне проще и дешевле сделать своего кастомного бота/ассистента под свои задачи (для генерации изображений, извлечения текста из pdf, транскрибации видео, генерации постов для соцсетей и пр.), чем искать готовое решение или оплачивать подписку

☺ Быстрое создание прототипа
👉 Вместо размытого описания без деталей теперь можно быстро сделать прототип – продемонстрировать, как ассистент будет работать.
👉 Разработка ИИ агента - долго и дорого, но проверить гипотезу можно на MVP (minimum viable product — минимально жизнеспособный продукт) - посмотреть, как откликается твоя ЦА на новый продукт и откликается ли вообще

Ну и потом, это просто магия - описать на обычном пользовательском языке, что я хочу получить на выходе, закинуть в Cursor и заниматься своими делами, пока он сам пишет код, проверяет, правит, а самой периодически подтверждать очередную операцию ☺
С деплоем, конечно, пришлось разобраться 🙈

Интересно, как быстро знание вайб кодинга станет новой нормой?))

Перевести с русского на понятный.

Уже и не помню, как я жила без этой опции раньше, до GPT. Видимо, грустно 😔

Есть к примеру договор на большую сумму.
На работе его проверят юристы и финансы.
А если договор личный (на покупку чего то большого или кредитный, прости господи) и ты с ним один на один?
И ты стараешься вникнуть, потому что риски большие, и вроде слова все знакомые... а смысл ну никак не понять, потому что договор написан на птичьем языке.

Или есть техническая документация, где все по шагам расписано, но даже и слова непонятные, не то что смысл.

Сейчас я просто кидаю договор в ChatGPT и прошу перевести с русского на понятный.

⚠ ВАЖНО! Нужен подробный контекст!
Написать "какие мои риски в этом договоре" вы можете только в GPTs или в Пространстве в перплексити, где УЖЕ есть подробный системный промпт на несколько страниц, где детально написано кто вы и с какой целью интересуетесь.
⁉ Если вы закинете подобный запрос в новый чат, нейросеть просто не поймет, кто вы (студент, изучающий право или обманутый покупатель или продавец, который не может выполнить обязательства, но и деньги возвращать не хочет). И даст нейтральный поверхностный ответ, который подойдет всем троим. Он вам точно не понравится.

В новом чате контекст нужно описать очень подробно. Пример промпта

Роль. Ты профессиональный юрист в сфере трудового/кредитного/законодательства в сфере медицинских услуг (выберите свое) и умеешь понятно объяснить суть на простом языке.
Контекст. (Здесь важно очень подробно объяснить вашу ситуацию - зачем вы заключаете этот договор и в чем ваши опасения)
Задача. Напиши, какие риски для меня ты видишь
Формат ответа 1\ перечисли риски и объясни на примерах, 2\ на какие пункты договора ты ссылаешься, 3\ твои предложения, как избежать рисков

Ну и конечно свой курс без нейросетей я бы точно не прошла ☺️

#насмотренность
Игра для врачей

Пока врачи собираются на круглый стол или симпозиум, можно предложить им филворд по теме препарата - развлечь и усилить связь с брендом, показанием, ЦА, whatever

➡ Слова, которые нужно разгадать (= врач должен запомнить), кидаете в промпт

В качестве примера взяла любимый Альфазокс (нереклама, просто от души, можно смело забирать и использовать)

Правила:
👉 Слова изгибаются, но не пересекаются. Каждое слово — это непрерывная ломаная линия из соседних клеток.
👉Буквы используются один раз. Каждая буква в сетке принадлежит только одному слову. Не все буквы используются
👇 Зашифрованные слова - в первом комментарии.

При желании можно добавить конкурс - кто найдет все слова, тому счастье

Стоимость - подписка на ChatGPT (и ваше время))

При желании можно сделать онлайн игру, но это уже совсем другая история ☺️