Низкое качество расшифровки

Если в транскриптах Hedy много ошибок — пропущенные слова, неверные имена собственные, искажённые фразы, — причина редко кроется в самой ИИ-модели. Почти всегда это одно из: плохие условия записи звука, не тот микрофон, не тот язык или провайдер, который не подходит под ваш сценарий. Ниже — как найти и устранить каждую причину, в порядке частоты.

Сначала проверьте основы

Прежде чем что-то менять, проверьте следующее:

• Соответствует ли язык встречи/занятия тому, на котором вы действительно говорите? Настройки > Профиль > Языковые настройки. Провайдер распознавания речи по умолчанию (Whisper) не определяет язык автоматически: он расшифровывает речь, исходя из настроенного вами языка. Если они не совпадают, каждое слово будет неверным. См. Транскрипт получился не на том языке.

• Выбран ли нужный микрофон? Настройки > Сессии > Настройки микрофона. Если вы случайно выбрали отключённую Bluetooth-гарнитуру или USB-микрофон, который не подключён, Hedy захватывает тишину, и транскрипт получается бессмысленным.

Большинство жалоб на «низкое качество» связано с одной из этих двух настроек, а не с чем-то техническим.

Улучшите условия записи звука

Hedy не применяет на стороне клиента ни шумоподавление, ни автоматическую регулировку усиления, ни эхоподавление. На Mac при захвате системного звука Hedy снижает громкость вашего микрофона, пока говорит собеседник, чтобы его голос из ваших динамиков не улавливался повторно. В расшифровку попадает, по сути, то, что слышит ваш микрофон. Чем чище звук на входе, тем чище транскрипт на выходе.

• Поднесите микрофон ближе к говорящим. Для личных встреч телефон, поставленный в центр небольшого стола, подойдёт для 4–5 человек. Для большой комнаты, 8 и более человек или шумной обстановки используйте несколько устройств или специальный конференц-микрофон.

• Уменьшите фоновый шум. Вентиляторы, кондиционеры, кухонная техника, уличный шум и разговоры посторонних снижают точность. Закройте двери и окна. По возможности выключите вентилятор.

• Не записывайте звук динамиков ноутбука через его же микрофон. Если вы пытаетесь захватить встречу, которая воспроизводится через динамики ноутбука (например, видео на YouTube), используйте функции захвата системного звука. См. Hedy не захватывает других участников виртуальных встреч.

• Не перебивайте друг друга. Одновременная речь — самый трудный случай для любого распознавания речи. Диаризация Hedy пытается разделить говорящих, но если несколько человек говорят одновременно, точность резко падает.

Выберите подходящего провайдера распознавания речи

В Hedy есть три локальных варианта распознавания речи и три облачных провайдера (Deepgram, OpenAI и xAI Grok, каждый с вашим собственным API-ключом). Посмотреть и изменить их можно в разделе Настройки > Речь и ИИ > Настройки распознавания речи.

Если вы используете провайдера Whisper по умолчанию и точности не хватает, попробуйте следующее:

• Проверьте, какой движок мы рекомендуем для вашего языка. В статье Провайдеры распознавания речи есть таблица самых точных локальных движков для каждого языка встречи/занятия. Для многих языков это Nemotron Multilingual, для некоторых — Whisper с большой моделью.

• На Mac или ПК с Windows попробуйте большую модель Whisper. Откройте Настройки > Речь и ИИ > Модель распознавания речи и выберите Большая вместо Обычная. Она точнее, особенно для языков, кроме английского, но использует больше памяти и работает медленнее. На телефоне или планшете включите Использовать большую модель, если ваше устройство это предлагает.

• Прогоните то же аудио через Nemotron и сравните. Выберите Nemotron Multilingual (локальный) для встреч не на английском или Nemotron English Only (локальный) для встреч целиком на английском. На устройствах Apple Nemotron работает на Neural Engine. С Nemotron Multilingual держите Auto-detect language выключенным, чтобы использовался язык встречи/занятия. Автоопределение повышает вероятность того, что движок остановится на похожем по звучанию языке (например, на немецком вместо нидерландского).

• Для встреч, где языки сменяют друг друга: Whisper предполагает один язык на всю сессию. Nemotron Multilingual с включённым автоопределением языка может следовать за звуком. Если вы уже используете Deepgram или OpenAI со своим API-ключом, оба тоже умеют определять язык автоматически.

• Если нужно работать офлайн или с полной конфиденциальностью, а Whisper медленно работает на вашем оборудовании: см. Медленная расшифровка в Windows (настройки GPU) — там описано решение с GPU-ускорением для Windows, либо перейдите на Nemotron, который работает на каждой нативной платформе.

Используйте пользовательский словарь для имён собственных

Если Hedy неправильно расшифровывает имена, технические термины, названия продуктов или отраслевой жаргон, добавьте их в пользовательский словарь.

1. Откройте Настройки Hedy

2. Перейдите в Персонализация > Пользовательский словарь > Управление терминами словаря

3. Введите каждый термин в поле «Введите пользовательский термин…» и нажмите Добавить

4. Убедитесь, что Включить пользовательский словарь включено

Пользовательский словарь передаётся прямо в локальный Whisper как подсказка, поэтому Whisper может распознавать и правильно писать ваши специальные термины. Deepgram его тоже получает: в модели Nova-3 (по умолчанию) Hedy отправляет ваши термины в Deepgram как ключевые термины. Deepgram ограничивает их количество, поэтому из длинного списка проходят только первые несколько десятков. Ваш список также помогает этапу очистки транскрипта (он работает для всех провайдеров, включая Nemotron, Deepgram и OpenAI) находить и исправлять ошибки.

Примечание: Пользовательский словарь наиболее заметно влияет на результат с локальным Whisper, с Deepgram на Nova-3 и с xAI Grok. Более старая модель Deepgram Nova-2 его не получает, как и Nemotron и OpenAI. Для них этап очистки по-прежнему использует ваш список, но сам распознаватель речи его не видит.

Подробнее о том, как составить хороший словарь, читайте в Руководстве по пользовательскому словарю.

Устраните проблемы с микрофоном

Если качество звука ухудшается посреди сессии или слышны только некоторые говорящие, подозрение падает на оборудование:

• Bluetooth-гарнитуры часто хуже работают при разряде аккумулятора или увеличении расстояния. См. AirPods и Bluetooth-наушники отключаются.

• USB-микрофоны могут страдать из-за проблем с кабелем — попробуйте другой USB-порт или другой кабель

• Встроенные микрофоны ноутбуков подходят для одного-двух человек, сидящих рядом с клавиатурой. Для переговорных комнат они не годятся.

• Телефоны в чехлах или под тканью могут звучать приглушённо

Быстрая проверка: запишите короткую голосовую заметку тем же микрофоном в «Диктофоне» или другом простом приложении. Если эта запись звучит плохо, проблема в микрофоне, а не в Hedy.

Формат звука, который использует Hedy

Для справки: Hedy захватывает звук в формате 16 кГц, моно, 16-бит PCM — стандарт для распознавания речи. Этот формат напрямую передаётся в локальный Whisper и Deepgram. Для OpenAI Realtime Hedy перед отправкой ресемплирует звук до 24 кГц (формат, который требует OpenAI). Все эти форматы подходят для речи, но дают потери для музыки или высококачественного звука. Не ждите хороших результатов от попыток расшифровать песни.

Когда стоит обратиться к нам

Если вы проверили всё перечисленное, а точность по-прежнему низкая:

1. Отметьте конкретный вид ошибки (неверные слова, пропущенные фрагменты, неверное определение говорящего, полная бессмыслица)

2. Запишите 30-секундный образец, где возникает ошибка

3. Свяжитесь с нами через виджет чата, приложив образец и сведения о провайдере и языковых настройках

Обычно мы можем определить, связана проблема с окружением, настройками или провайдером.

Связанные статьи

• Транскрипт получился не на том языке

• Провайдеры распознавания речи в Hedy

• Руководство по пользовательскому словарю

• AirPods и Bluetooth-наушники отключаются

Всё ещё возникают трудности? Свяжитесь с нами через виджет чата и сообщите своего провайдера, настройку языка встречи/занятия, модель устройства и образец, где видна проблема.