Расшифровка аудио в текст бесплатно: проверил точность в 2026

Первые три десятка ссылок в Яндексе по запросу «расшифровка аудио в текст» ведут на страницы сервисов, и почти на каждой крупно написано «бесплатно». Мелким шрифтом ниже стоит лимит: три минуты на запись, полчаса на файл, пятнадцать минут один раз. Подборки «бесплатных нейросетей» в той же выдаче пересказывают эти страницы, а как сервисы справляются с русской речью, почти никто не проверяет.

27 октября 2026 года я прошёл справки и тарифы бесплатных способов перевести аудиозапись в текст, которые работают в России, и добавил то, чего в подборках нет. По обезличенной статистике Диктуй посмотрел, какой длины записи люди приносят на расшифровку, чтобы понять, где бесплатный лимит кончается. И прогнал одни и те же 80 русских фраз через четыре бесплатные модели распознавания речи, на которых построены популярные программы.

Какие бесплатные способы расшифровать аудио в текст есть в 2026 году?

Перевести аудио в текст бесплатно сейчас можно пятью путями, и у каждого своя граница по длине записи и по тому, где она обрабатывается.

Telegram в таблицу не попал. Его кнопка расшифровывает голосовые и кружки, а без ограничений работает в Premium, который из России сейчас не купить ни через App Store, ни через Google Play. Бесплатные расшифровки Telegram обещал ещё в 2023 году, но включает их по регионам, и сколько их дадут российскому номеру, заранее не скажешь.

Ещё несколько способов часто советуют, хотя бесплатно они сейчас не работают:

• Алиса AI принимает в чат документы DOC, DOCX, PDF и TXT, аудио среди них нет (справка Алисы). Расшифровывает записи Алиса Про, а она входит только в платные тарифы Яндекс 360.
• «Диктофон» и «Заметки» на iPhone расшифровывают запись на десятке языков, русского среди них нет и в iOS 27 (руководство Apple).
• ChatGPT, Gemini и NotebookLM официально в России не работают, Россию OpenAI и Google не включают в списки стран.
• «Транскрибировать» в Word понимает русский, но требует подписки Microsoft 365, которую Microsoft в России не продаёт с марта 2022 года.
• API для разработчиков тоже без бесплатного входа: у Yandex Cloud пропал стартовый грант для новых клиентов, а SaluteSpeech с 15 июля 2026 года перестал продавать физлицам новые пакеты и продлевать бесплатный тариф.

Хватит ли бесплатного лимита на вашу запись?

На короткое голосовое хватит любого способа. На интервью, лекцию или созвон онлайн-лимиты уже не рассчитаны, и это видно по реальным файлам.

Я посчитал обезличенную статистику расшифровки файлов в Диктуй с 30 сентября по 26 октября 2026 года. В выборку попал 31 человек на платных тарифах, у которых история расшифровок сохраняется в кабинете на сайте: 507 файлов с известной длительностью, всего 384 часа. Наши служебные аккаунты я исключил.

Половина файлов длиннее 34 минут. Каждый четвёртый длиннее часа, каждый тринадцатый длиннее двух часов, самый длинный шёл шесть с лишним часов. У 18 человек из 31 типичная запись длиннее получаса.

Цифры немного перекошены одним человеком: он принёс 251 файл и половину всех часов. Если его убрать, медиана падает до 18 минут, но длиннее получаса всё равно остаются 41% записей, а длиннее часа даже чуть больше, 28%.

Лимит в 30 минут на файл, как у TurboScribe, пропускает меньше половины записей, 60 минут у ГигаЧата пропускают три из четырёх. Длинный файл можно разрезать на части, но тогда на каждую часть уходит отдельная попытка из дневного лимита, а склеивать текст придётся вручную. Без лимита по длине остаются только программы на компьютере.

Какая модель точнее расшифровывает русскую речь?

Я взял те же 80 фраз из открытого набора русской речи SOVA RuDevices, что и для замера в статье про запись звонков. Это обычные люди, которые говорят в телефоны и ноутбуки, всего 1 082 слова и семь минут звука. Каждую фразу я прогнал в четырёх вариантах: как есть, сжатой в Opus на 24 кбит/с, как сжимают голосовые мессенджеры, и с шумом, который тише речи на 10 и на 5 дБ. Первый шум заметен, но не мешает разобрать слова, второй уже громкий.

Модели взял те, что стоят внутри бесплатных программ:

• GigaAM v3, открытая модель Сбера для русского языка. На ней Диктуй расшифровывает файлы на компьютере.
• Whisper large-v3-turbo от OpenAI. Её можно выбрать в Buzz, Subtitle Edit и Vibe, она же работает в облачной расшифровке Диктуй, а на разных версиях Whisper построены и многие онлайн-сервисы.
• Whisper small, облегчённый Whisper, который ставят на слабые компьютеры.
• Vosk small весом 45 МБ, давняя открытая модель для работы без интернета, её до сих пор встраивают в офлайн-программы.

Считал всё на одном компьютере с Apple M4, только на процессоре. Цифры в ответах моделей перед подсчётом переводил в слова, регистр и знаки препинания не учитывал, так что ошибкой считалось только неверное, пропущенное или лишнее слово. В основном из-за перевода цифр у GigaAM вышло на 0,7 пункта меньше, чем в статье про звонки, где «20%» против «двадцати процентов» считалось ошибкой.

Разрыв вышел больше, чем я ждал. GigaAM v3 ошибся в 8,2% слов на исходной записи, сжатия мессенджера почти не заметил, а громкий шум поднял его ошибки только до 12,2%. Whisper turbo без шума идёт рядом, 9,3%, но к шуму чувствительнее: 14,2% на заметном фоне и 20,1% на громком, то есть ошибочно каждое пятое слово.

Лёгкие модели проседают сильнее. Whisper small ошибается почти вдвое чаще больших, 15,8% без шума и 30,1% в громком шуме. Vosk small путает каждое четвёртое слово даже на исходной записи, при громком шуме каждое второе, и вдобавок пишет сплошным потоком строчных букв, без точек и запятых.

Сжатие голосовых в мессенджерах точность почти не трогает, так что голосовое из Telegram расшифровывается так же, как исходник. И модель внутри программы важнее самой программы: лёгкие модели, которые часто стоят по умолчанию, ошибаются в полтора-четыре раза чаще больших.

Мои 80 фраз это короткие реплики, а не часовое интервью, поэтому сверил картину с независимым замером stt-ru-benchmark за август 2026. Там на аудиокнигах GigaAM v3 ошибся в 6,57% слов, Whisper turbo в 9,89%, на студийной начитке модели почти сравнялись, 4,50% и 4,44%, а живой речи в том замере всего 20 фраз. Картина похожая: на аудиокнигах GigaAM заметно точнее, на чистой студийной начитке разницы почти нет.

На том же M4 без видеокарты семь минут фраз GigaAM расшифровал за 9 секунд, Vosk за 34, Whisper small за 108, а Whisper turbo почти за шесть минут. В пересчёте на час записи это чуть больше минуты, пять, шестнадцать и пятьдесят минут. Turbo на одном процессоре идёт почти со скоростью самой записи, так что в программах, которые считают без видеокарты, часовое интервью займёт около часа.

Почему расшифровка пишет то, чего не говорили?

На коротких фразах этого не видно, а на длинной записи с паузами видно сразу. Я склеил по три фразы из того же набора, разделив их паузами по 45 секунд, где слышен только тихий фон, и получил восемь файлов по две минуты. Так выглядит обычная диктофонная запись, где люди замолкают, листают бумаги или ждут ответа.

Whisper turbo в пяти файлах из восьми вписал в паузу «Продолжение следует...», в двух повторил уже сказанную фразу второй раз, ещё в одном дописал лишнее «вау». В одном файле он написал «Продолжение следует» пять раз подряд и потерял последнюю фразу целиком. Whisper small выдумывал реже, но тоже один раз повторил фразу и один раз пропустил. GigaAM v3 не придумал и не потерял ни одной фразы. Vosk фраз не дописывал, зато проглотил 22 слова из 317.

Отдельно я дал моделям 20 кусков по 30 секунд вообще без речи: десять почти беззвучных и десять с ровным комнатным фоном. Whisper turbo вписал текст во все двадцать: девятнадцать раз «Продолжение следует...» и один раз «Субтитры создавал DimaTorzok». Whisper small, GigaAM v3 и Vosk на тех же кусках не написали ни слова.

Это известная особенность Whisper. Модель обучали на аудио с расшифровками из интернета, среди которых много субтитров к роликам, и в паузах она дописывает то, чего никто не говорил: повторяет прошлую фразу или вставляет подписи из титров, те самые «Продолжение следует» и «DimaTorzok», которые русскоязычные пользователи Whisper давно узнают с первого взгляда. Мы встречали такие фразы и у себя, в облачной расшифровке длинных встреч, она тоже работает на Whisper. Защита у всех одна: вырезать тишину до распознавания и после расшифровки внимательно читать места после долгих пауз, начало и конец.

Как расшифровать аудио бесплатно на компьютере

Без лимита по длине и без загрузки на чужой сервер расшифровывает только программа на компьютере. Покажу путь на Диктуй, а ниже скажу, чем его заменить.

1. Поставьте программу и войдите. Диктуй для Windows и macOS скачивается со страницы загрузки. Вход в аккаунт нужен даже для расшифровки на компьютере, карту при этом не просят.
2. Откройте раздел «Файлы». При первом запуске программа один раз скачает модель распознавания, около 226 МБ.
3. Выключите «Облачную транскрибацию». С выключенным переключателем русская речь расшифровывается на самом компьютере, бесплатно и без ограничения длины. Кнопка запуска тогда называется «Начать бесплатно».
4. Перетащите запись в окно. Программа понимает 20 форматов: MP3, M4A с iPhone, OGG и OPUS из мессенджеров, AMR со старых Android, WAV и FLAC, а из видео MP4, MOV или MKV сама достаёт звук. Несколько файлов встают в очередь и расшифровываются по одному.
5. Включите «Распознавать спикеров», если голосов несколько. Текст интервью или встречи разделится по собеседникам, имена потом можно поправить. Голоса различает тоже компьютер, и за это не платят.
6. Нажмите «Начать бесплатно» и сохраните текст. Его можно скопировать кнопкой или сохранить в TXT и Markdown, а при нескольких голосах ещё и в субтитры SRT.

Видеокарта не нужна. На длинном файле расшифровка идёт медленнее, чем на коротких фразах из замера, но всё равно в 15–25 раз быстрее самой записи: час записи на современном процессоре занимает 2,5–4 минуты.

Расшифровку на компьютере я держу в Диктуй бесплатной и без лимита сознательно. Хочется, чтобы одна программа закрывала то, за что сейчас платят разным сервисам по отдельности: диктовку, записи встреч и расшифровку файлов, и чтобы для русской речи это был самый выгодный вариант по цене и качеству. С файлами это легко проверить самому, бесплатно и на своей записи.

Чем заменить. Записи не на русском расшифруют Buzz, Subtitle Edit и Vibe. Все три бесплатные, с открытым кодом, работают на Windows, macOS и Linux, а модели Whisper скачивают при первом запуске. Берите в них large-v3-turbo, а не модели полегче: в замере выше лёгкая small ошибалась заметно чаще. Turbo весит около 1,5 ГБ, и скорость зависит от того, умеет ли программа считать на видеокарте. В замере разработчиков aTrain ноутбук без видеокарты тратил на час записи около 50 минут, с видеокартой около 13.

Можно ли расшифровать запись бесплатно на телефоне?

Зависит от телефона. Samsung с Galaxy AI расшифровывает русскую речь прямо в приложении «Звукозапись», функция называется «Ассистент по расшифровке» (справка Samsung), и базовые функции Galaxy AI Samsung пока отдаёт бесплатно. У Google Pixel русский есть только в повторной облачной расшифровке, при записи текст по-русски не идёт. У iPhone русского нет ни в «Диктофоне», ни в «Заметках».

Голосовое из переписки проще всего расшифровать там же. Во ВКонтакте и MAX кнопка расшифровки стоит рядом с сообщением, а как это устроено в каждом мессенджере и где упирается в лимиты, разобрано в статье про голосовые сообщения в текст.

Запись с диктофона iPhone или Android удобнее перекинуть на компьютер, например себе в «Избранное» Telegram, и расшифровать там. Как достать файл из штатного диктофона и в каком он формате, подробно описано в гайде про диктофон в текст. Без компьютера запись можно отправить Telegram-боту @DiktuyMeetBot: он принимает файл до 2 ГБ и даёт на пробу 240 минут разово, до 120 минут на одну запись.

Куда уходит запись при расшифровке онлайн?

Онлайн-сервис расшифровывает запись на своих серверах, поэтому прежде чем загружать что-то рабочее, стоит открыть его политику обработки данных. Там написано, в какой стране хранятся файлы, сколько дней лежат и можно ли на них обучать модели. ГигаЧат обрабатывает записи у Сбера, TurboScribe за рубежом.

Своё голосовое с идеями можно отправлять куда угодно. С записью встречи или интервью сложнее: голоса и слова других людей относятся к их персональным данным. Человеку для личных заметок это обычно не мешает, а компании закон запрещает при сборе записывать данные россиян в базы за рубежом. Подробнее об этом в разборе Plaud и хранения записей.

Программа на компьютере этот вопрос снимает: запись никуда не уходит, расшифровка идёт на том же компьютере. В Диктуй так работает расшифровка русской речи с выключенной облачной транскрибацией, а облако включается отдельным переключателем, когда запись на другом языке.

Когда бесплатной расшифровки не хватит?

Текст русской записи программа на компьютере даёт без ограничений. Платить приходится за другие языки и за обработку текста.

Запись не на русском. Модель на компьютере в Диктуй понимает только русский, остальные языки уходят в облачную расшифровку. Она стоит кредит за минуту записи, 30 кредитов дают при регистрации. Бесплатно другие языки расшифруют программы на Whisper из раздела выше, если компьютер достаточно быстрый.

Нужен пересказ, протокол или ответ на вопрос по записи. Это делает языковая модель на сервере. На бесплатном тарифе Диктуй таких обработок две в месяц, общих для файлов и встреч, дальше они идут за кредиты. На «Профи» за 299 ₽ в месяц (239 ₽ при оплате за год) приходит 300 кредитов, на «Максе» за 599 ₽ (479 ₽) 1 200, а пакет на 300 кредитов стоит 299 ₽ и не сгорает. Все тарифы есть на странице цен.

С шумной записью подписка не поможет. В замере громкий шум поднял ошибки даже у лучшей модели до 12%, у Whisper turbo до 20%, а облачная расшифровка работает на том же Whisper. Помогает в первую очередь запись почище: телефон поближе к говорящему, подальше от кондиционера и музыки. Что ещё поднимает точность, собрано в статье про ошибки распознавания речи.

Сравнение платных сервисов транскрибации по точности, ценам и оплате из России собрано в обзоре восьми сервисов, а всё, что умеет раздел «Файлы», описано на странице транскрибации файлов.