StudyAIВсе нейросети в одной подписке
Загрузите аудиофайл с песней, и StudyAI распознает слова речи или вокала и соберет их в текст с таймкодами. Для записей с несколькими голосами агент отдельно размечает, кто поет в каждой строке.
за минутуВсе тарифы ↓Уже работают с нами
ПИК
СДЭК
СберЗдоровье
АвтоВАЗ
Лемана ПРО
Lamoda
Правительство МосквыДавайте начнем с куплета, а на припеве подхватывайте
Город гаснет, фонари зажглись, мы идем по краю темноты
Там, где свет уходит за дома, я тебя найду, найду сама
Стоп, давайте вот эту строчку переставим местами
Куплет поет Игорь, припев подхватывает Марина
Токены общие для всех агентов StudyAI — расшифровку можно сразу передать в следующий инструмент.
Выделить вокал или сделать минусЕсли слова тонут в музыке — в Suno-студии инструмент «Убрать вокал» отделит голос, а потом расшифруйте его.Открыть →
Написать свой текстГенератор текста песни поможет переписать куплет, подобрать рифму или сделать кавер-версию слов.Открыть →
Записать каверВ Suno-студии — кавер в другом жанре, новая аранжировка или песня по вашему тексту.Открыть →22 токена за минуту записи · саммари, тезисы и чат по записи включены 2 минуты — бесплатно
TEXT — введите при оформлении до оплаты400 токенов — на выбор:
1 250 токенов — на выбор:
12 000 токенов — на выбор:
Токены общие на все нейросети и агенты StudyAI: расшифровали запись, остаток потратили на картинки, видео или презентацию. Оплата картой РФ или СБП.
Подберем наиболее оптимальный и эффективный вариант именно для вашей команды.
Если текст песни нигде не найден, расшифровка по собственной записи или черновику дает точный вариант слов с таймкодами.
Экспорт в формате SRT с таймкодами сразу подходит для наложения субтитров на видео с песней.
Для хора или дуэта агент разделяет голоса и размечает, кто поет в каждой строке, после переименования спикеров в один клик.
Музыканту или вокалисту удобнее заучивать слова по текстовому документу, чем переслушивать запись по кругу.
| Формат | Где встречается | Минута весит | В 2 ГБ помещается |
|---|---|---|---|
| MP3 | диктофоны, подкасты, записи звонков, аудиоредакторы | около 1 МБ при 128 кбит/с | 3 часа — лимит по длительности |
| WAV | студийные рекордеры, профессиональные диктофоны, монтажные программы | около 10 МБ без сжатия | 3 часа — лимит по длительности |
| M4A | «Диктофон» на iPhone и Mac, часть диктофонов Android | около 1 МБ при 128 кбит/с | 3 часа — лимит по длительности |
| OGG | голосовые сообщения Telegram, записи на Android и Linux | около 0,5 МБ | 3 часа — лимит по длительности |
| MP4 | камеры Android, записи Zoom и вебинаров, экспорт из монтажных программ | около 60 МБ при 1080p | около 34 минут при 1080p |
| MOV | камера iPhone и iPad, QuickTime на Mac | 60 МБ при 1080p, до 400 МБ при 4K 60 к/с | 34 минуты при 1080p, около 5 минут при 4K 60 к/с |
| WEBM | запись экрана в браузере и расширениях, веб-камера | от 5 МБ, зависит от настроек | зависит от настроек записи |
Запись песни попадает к вам разными путями: диктофонная заметка репетиции, голосовой набросок мелодии, запись живого выступления с телефона или фрагмент эфира, сохраненный через запись экрана. На телефоне такие файлы обычно лежат в приложении «Диктофон» или в галерее, если это видео, на компьютере — в папке «Загрузки» или там, куда сохранил конвертер.
Для того чтобы извлечь текст из песни, важна разборчивость вокала относительно музыки. Фоновая музыка и аккомпанемент не мешают распознаванию речи напрямую, но перекрывающий голос инструментал, шум зала или сильное эхо усложняют работу агента.
Если запись хранится как голосовое сообщение WhatsApp в формате OPUS или сделана диктофоном Samsung в формате 3GA, такой файл сначала нужно пересохранить в MP3 любым конвертером — Транскрибатор принимает MP3, WAV, M4A, OGG, MP4, MOV и WEBM. Формат AMR, FLAC, AAC, WMA, MKV и AVI тоже пока не поддерживается напрямую.
Если песня лежит на YouTube или в облаке Zoom, ссылку агент не примет: нужен сам файл, скачанный на устройство. Подробнее про распознавание слов по аудио именно для музыкальных записей — на странице «Текст из песни: распознать слова по аудио».
Да, при регистрации дают 50 токенов — это 2 минуты записи бесплатно, проверьте качество на своем файле. Дальше расшифровка списывает 22 токена за минуту записи, саммари и разделение голосов входят в эту стоимость. Бесплатны только ответы в чате по уже загруженной записи.
Да, агент распознает русскую речь и вокал, а также смешанную русско-английскую речь. Всего поддерживается 60 языков.
Нет, по ссылке Транскрибатор файлы не принимает. Скачайте запись на устройство и загрузите ее напрямую в формате MP3 или MP4.
Текст можно выгрузить в DOCX, TXT, SRT, PDF или MD. Формат SRT удобен, если нужны субтитры с таймкодами.
22 токена за минуту записи. Подписка Start+ за 549 рублей в месяц дает 1250 токенов, это 56 минут расшифровки.
Да, агент разделяет до 10 спикеров и позволяет переименовать их в один клик, если поют дуэтом или хором.
Фоновая музыка сама по себе не мешает распознаванию, но сильный шум или эхо усложняют работу агента. Голосовое WhatsApp в формате OPUS или запись диктофоном Samsung в формате 3GA сначала нужно пересохранить в MP3.
Загрузите запись — получите расшифровку со спикерами и таймкодами, саммари и чат по содержанию.