Представьте: телефон лежал на столе всё совещание. Вечером вы открываете расшифровку и видите подробный монолог человека, сидевшего рядом с ним. Возражения с другого конца стола превратились в обрывки. Запись шла, но часть разговора теперь трудно восстановить.
Такую проблему полезно заметить до обсуждения бюджета и сроков. Для этого не обязательно покупать оборудование: сначала нужно понять, что слышит уже имеющийся микрофон, и проверить несколько условий.
Редакция AI Заметок ·
Почему микрофон записывает комнату вместе с голосом
К микрофону приходит прямой звук от говорящего и отражения от стен, потолка и других поверхностей. Множество задержанных отражений создаёт затухающий звуковой «хвост» — реверберацию. На записи она может ощущаться как гулкая комната, даже когда отдельного повторного эха не слышно. Чем дальше микрофон от человека, тем заметнее могут становиться отражения и окружающий шум относительно его голоса. Этот принцип разбирает производитель аудиооборудования Shure в материале об акустике переговорных.
Поэтому прибавление громкости готового файла не равнозначно приближению микрофона. Вместе с тихой речью громче становятся уже записанные помехи. Практический вывод: сначала проверьте расположение устройства и комнату. Если на записи голос с дальнего места звучит гулко, попробуйте сократить расстояние или провести разговор в менее гулком помещении.
Вентилятор и чужая речь создают разные трудности. Ровный фон можно услышать в паузе; наложение голосов возникает именно тогда, когда нужно разобрать слова. При проверке прослушайте и паузы, и разговор. Запись тишины не покажет, удалось ли сохранить тихое возражение.
Что даёт сравнение одних и тех же встреч
В исследовании Наоюки Канды и коллег 2021 года использовали англоязычный корпус встреч AMI. Авторы сравнили общий сигнал, составленный из индивидуальных микрофонных записей, с записью тех же разговоров одним удалённым микрофоном. Наложение реплик присутствовало в обоих вариантах.
На тестовой части их многоголосая модель получила 14,9% WER для смеси индивидуальных записей и 21,2% для удалённого микрофона. WER учитывает замены, пропуски и добавления слов относительно эталона; в работе использован вариант подсчёта с подбором соответствия говорящих. Это показатель ошибок в словах, а не процент неверных решений встречи. Kanda et al., Interspeech 2021, раздел 4.3 и таблица 6.
Условия захвата звука оказались существенными даже для модели, обученной распознавать нескольких говорящих. Обещать такое же улучшение от перестановки телефона нельзя: здесь сравнивались разные источники записи на конкретном англоязычном наборе данных. AI Заметки в этом исследовании не проверяли.
Куда положить телефон или поставить микрофон
Для небольшой очной встречи начните с положения, в котором устройство находится между участниками и его микрофон ничем не закрыт. Это исходный вариант для проверки, а не универсально лучшее место. Телефон у края длинного стола может хорошо записывать владельца и плохо — остальных. Попросите человека с самого дальнего места сказать несколько обычных фраз: именно его голос поможет оценить расположение.
Не просите всех специально говорить громче во время пробы. Иначе вы проверите условия, которые исчезнут через несколько минут после начала настоящего разговора. Сядьте как обычно, откройте ноутбуки, включите то оборудование, которое будет работать на встрече. Затем уберите конкретную помеху, если она слышна: отодвиньте устройство от клавиатуры, прекратите касаться стола рядом с ним, выберите другое место.
Если один человек всё равно звучит значительно хуже остальных, попробуйте посадить участников ближе друг к другу. Когда это невозможно, имеет смысл проверить оборудование для групповой записи или несколько отдельных дорожек. Выбор зависит от комнаты и числа говорящих; дорогой личный микрофон возле ведущего сам по себе не решает задачу записи всего стола.
Излишняя близость тоже требует проверки. Если на громких словах появляется треск или искажение, уменьшите уровень записи, когда приложение позволяет это сделать, и запишите пробу снова. Google в рекомендациях для Speech-to-Text отдельно советует избегать перегрузки звука и слушать образец перед распознаванием. Настройки конкретного API из этой документации не являются требованиями AI Заметок.
Почему перебивания нельзя исправить одной настройкой
Когда два человека говорят одновременно, распознавателю приходится разбирать смешанную речь. Более громкий голос может сохраниться, а короткая реплика другого человека — потеряться. В анализе записей AMI Педдинти и коллеги показали примеры, где речь конкурирующего говорящего нарушала сопоставление звука с эталонной транскрипцией. Это работа о подготовке и обучении моделей, а не измерение частоты таких ошибок в нынешних сервисах. Peddinti et al., Interspeech 2016, раздел 3.2.
Подписи «Спикер 1» и «Спикер 2» в каком-либо сервисе тоже нужно проверять: сохранились ли обе одновременно произнесённые реплики и верно ли указано, кому они принадлежат. Имена участников не стоит восстанавливать по одной лишь очередности строк.
Полезная договорённость для команды — повторять важное уточнение отдельно, если оно прозвучало поверх другой реплики. Например, в вымышленной учебной сцене один человек говорит «отправляем сегодня», а другой одновременно — «после согласования». Ведущий может остановиться: «Повтори, пожалуйста, условие отправки, я не расслышал». После ответа стоит дать первому собеседнику подтвердить, принимает ли он это условие.
Не нужно превращать обычную встречу в чтение по очереди. Такая пауза особенно полезна там, где меняются сумма, срок или обязательство. Просьба повторить реплику сохраняет возможность проверить её по записи. Готовый список решений затем можно оформить по шаблону протокола встречи.
Что проверить при записи онлайн-встречи
У онлайн-записи есть дополнительный вопрос: откуда в файл попадает звук. Ваш микрофон и голоса собеседников в приложении — разные источники. Если вы слышите участников в наушниках, это ещё не означает, что программа записи сохраняет их ответы.
До основной встречи проведите короткий обмен репликами и откройте именно сохранённый файл. В нём должны быть слышны обе стороны. Проверьте также, не пропал ли ваш голос после подключения гарнитуры. Название выбранного устройства и двигающийся индикатор полезны, но окончательный ответ даёт воспроизведение записи.
Если сервис встречи позволяет получить запись, начните с этого файла: такой путь избавляет от необходимости заново записывать собеседников через динамик и микрофон в комнате. Доступность записи и право её скачать зависят от платформы и настроек организатора. Не рассчитывайте на кнопку, которую ещё не проверили в своей рабочей среде.
Если часть команды сидит вместе, отдельно послушайте местных и удалённых участников. Хорошая слышимость голоса из наушников ничего не говорит о том, как записался коллега на противоположном конце переговорной. Для расшифровки уже полученного файла есть отдельная страница записи встречи в текст.
Короткий тест перед настоящей встречей
Скачать диалог и таблицу проверки в Markdown.
Ниже — авторская методика бытовой проверки. Мы не проводили аудиоэксперимент для этой статьи и не выдаём ожидаемые различия за измеренные результаты. Таблицу можно скопировать в заметку и заполнить своими файлами.
Для пробы достаточно короткого диалога примерно на минуту. Это удобный объём для ручной сверки, а не научно установленная продолжительность теста. Используйте вымышленные имена и суммы. Важно, чтобы говорили реальные участники из тех мест, где они будут сидеть: запись синтезированного голоса из колонки проверит другую ситуацию.
Учебный текст, придуманный для этой проверки:
Анна: В смете пятнадцать тысяч рублей. Оплату сегодня не отправляем.
Борис: Проверю сумму к семнадцатому сентября.
Анна: После проверки напиши Марии Соколовой.
Борис: Напишу. Срок оплаты пока не согласован.
В тексте есть числа, имя, отрицание и условие. Это удобные места для сравнения: ошибка в них может изменить смысл при внешне аккуратном предложении. Если участники оговорились при чтении, эталоном становится фактически произнесённая реплика — не исправляйте её мысленно по напечатанному образцу.
- Запишите вариант A с обычным расположением устройства. Сохраните исходный файл и расшифровку до ручной правки.
- В варианте B измените только положение микрофона. Сохраните участников, места и обычную громкость речи. Повторное чтение всё равно будет немного отличаться: это практическое сравнение, не лабораторный контроль.
- В варианте C проверьте одну помеху. Например, сравните запись с печатью на клавиатуре и без неё, сохранив положение B. Для шума, комнаты и перебиваний нужны отдельные сравнения; если поменять всё сразу, нельзя понять, что помогло.
- Для проверки перебиваний сделайте отдельную пару дублей. В одном прочитайте реплики по очереди, в другом начните ответ до окончания предыдущей реплики. Сопоставьте места наложения с текстом: какая часть каждого высказывания сохранилась? Результаты этой пары запишите отдельно.
Распознавайте варианты одним сервисом с одинаковыми настройками. Сначала оцените, можно ли различить слова на слух, затем сопоставьте текст с аудио. Если результат неожиданен или различия малы, повторите сравнение: удачный одиночный дубль ещё не делает расположение надёжным.
| Что зафиксировать | Вариант A | Вариант B | Вариант C |
|---|---|---|---|
| Файл, устройство, положение микрофона | Заполните | Заполните | Заполните |
| Что изменили относительно предыдущего варианта | Исходные условия | Заполните | Заполните |
| Самая плохо слышимая реплика: кто и где сидел | Заполните | Заполните | Заполните |
| Дословный фрагмент автоматического текста | Вставьте | Вставьте | Вставьте |
| Что на самом деле слышно в аудио | Заполните | Заполните | Заполните |
| Потерянные реплики, ошибки в числах и отрицаниях | Заполните | Заполните | Заполните |
| Решение: оставить или изменить условия | Заполните | Заполните | Заполните |
Выбирайте вариант по самому плохо записанному участнику. Если ведущий звучит отлично, а ответ с дальнего места приходится угадывать, продолжайте искать подходящее положение. При разборчивом аудио и неверном слове в тексте причина может быть в распознавании, например в незнакомом имени. Когда слово не различить и на слух, прежде всего меняйте условия записи или просите повторить сказанное.
Поможет ли очистка звука после встречи
Пробовать обработку стоит на копии. Сохраните исходник, обработайте короткий фрагмент и сравните обе расшифровки. Более приятное звучание само по себе не доказывает, что слова стали распознаваться точнее.
Google прямо предупреждает в документации своего Speech-to-Text, что предварительное шумоподавление обычно снижает точность этого сервиса. Это рекомендация для конкретного распознавателя, а не запрет на любую очистку аудио. Из неё следует практическое правило проверки: эффект обработки нужно оценивать на том сервисе, которым вы пользуетесь. Google Cloud, раздел Audio preprocessing.
Если важную фразу по-прежнему нельзя уверенно восстановить, сохраните пометку «неразборчиво» и уточните её у участника. Правдоподобное продолжение, предложенное ИИ, не подтверждает, что человек произнёс именно эти слова.
О чём договориться до включения записи
Заранее согласуйте с участниками запись и дальнейшую расшифровку: для чего нужен текст, кто его получит и в какой сервис будет загружено аудио. Для рабочей встречи учитывайте принятый в организации порядок. Это предложение организовать процесс, а не универсальная юридическая форма согласия.
Можно сказать: «Предлагаю записать встречу, чтобы проверить решения после разговора. Аудио загрузим в сервис расшифровки, доступ к записи дадим участникам. Все согласны?» Если есть возражения, сначала договоритесь о другом способе фиксации. Завершите запись, когда согласованное обсуждение закончилось.
Перед следующей встречей проверьте одну вещь: сохраните пробный файл с репликами человека, который находится дальше всех от микрофона. Если его слова уже сейчас приходится угадывать, переставьте устройство и повторите пробу.
Источники
- Kanda N. et al. (2021). Large-Scale Pre-Training of End-to-End Multi-Talker ASR for Meeting Transcription with Single Distant Microphone. Interspeech, 3430–3434. DOI: 10.21437/Interspeech.2021-102.
- Peddinti V. et al. (2016). Far-field ASR without parallel data. Interspeech, 1996–2000. DOI: 10.21437/Interspeech.2016-1475.
- Lyons C., Shure (2020). The Microflex Ecosystem, Part 1: Conferencing Microphones. Техническое объяснение акустики от производителя оборудования; не независимый сравнительный тест микрофонов.
- Google Cloud. Best practices for Speech-to-Text. Документация конкретного сервиса, проверена 7 сентября 2026 года.