Більшість помилок розпізнавання мовлення починається в аудіо, а не в програмі. Найбільше дають чотири речі: мікрофон близько до того, хто говорить, мало фонового шуму, одна людина говорить за раз і правильна мова в налаштуваннях, причому для української ще й перевірте, чи інструмент її підтримує. Далі говоріть завершеними реченнями в рівному темпі, чітко вимовляйте імена й числа і перечитуйте текст, перш ніж ним користуватися. Переписування ШІ потім приведе до ладу розділові знаки й слова-паразити, але не виправить слово, яке розпізнали неправильно.
| Проблема в тексті | Найімовірніша причина | Що змінити |
|---|---|---|
| Слова пропущено або спотворено | Мікрофон задалеко або шум | Тримайте телефон ближче, перейдіть у тихіше місце |
| Цілі фрагменти неправильні | Не та мова в налаштуваннях або змішано дві мови | Виберіть мову мовлення; одна мова на запис |
| Імена й назви з помилками | Рідкісні слова, яких система не очікує | Чітко вимовте, продиктуйте по літерах, потім виправте |
| Два голоси злилися | Люди говорять одночасно | Говоріть по черзі; пауза перед відповіддю |
| Тексту немає взагалі | Беззвучний або дуже тихий запис | Перевірте рівень звуку; спершу тест на короткому фрагменті |
Мікрофон і приміщення
Рекомендації Google для сервісу Cloud Speech-to-Text кажуть прямо: розташовуйте мікрофон якомога ближче до того, хто говорить, особливо коли є фоновий шум. На практиці:
- Тримайте телефон біля рота, коли диктуєте, приблизно як під час дзвінка, і не закривайте отвір мікрофона пальцями чи чохлом.
- Виберіть тиху кімнату. Вимкніть музику, телевізор і вентилятор. Невелика кімната з м’якими меблями дає менше відлуння, ніж кухня чи під’їзд.
- Уникайте вітру. Надворі станьте спиною до вітру або скористайтеся гарнітурою.
- Не кричіть. Google також радить уникати перевантаження сигналу (clipping). Надто гучне мовлення біля мікрофона спотворює звук.
- Записуйте нараду з середини столу, а не з краю, щоб кожен голос доходив до телефона з подібною гучністю.
Як говорити
- Завершеними реченнями в рівному темпі. Говорити повільно не обов’язково, але рівне мовлення з короткими паузами між думками розпізнається краще, ніж уривки.
- Одна мова на запис. Перехід між мовами посеред речення збиває багато систем. Якщо треба процитувати щось іншою мовою, зробіть це коротко.
- Чітко вимовляйте імена й числа. Незвичне прізвище скажіть повільно або по літерах: «Гнатюк, Г-Н-А-Т-Ю-К». Кажіть «п’ятнадцять» чи «один, п’ять», щоб не почули «п’ятдесят».
- Говоріть по черзі. Коли двоє говорять одночасно, зазвичай обидва виходять з помилками.
- Зробіть паузу після натискання запису й перед зупинкою, щоб перші й останні слова не обрізало.
Налаштування, які мають значення
- Виберіть мову мовлення там, де інструмент про неї питає. Голосове введення Gboard, розшифровка WhatsApp і диктофони телефонів мають власні налаштування мови, і неправильне налаштування псує результат. Зверніть увагу: розшифровка WhatsApp на Android, розширений голосовий ввід Gboard на Pixel і диктофони Google та Samsung, за їхніми довідками, української не підтримують. Налаштування WhatsApp описано в статті розшифровка голосових у WhatsApp: чому немає української.
- Додайте імена й терміни, якщо інструмент має словник чи список фраз. Документація Google радить підказки слів і фраз, щоб додати імена й терміни до словника.
- Зберігайте оригінальний файл. Кожен перезапис чи повторне стискання втрачає деталі. Розшифровуйте файл, який зробив ваш диктофон, а не копію, відтворену через динамік. Для власного сервісу Google радить формати без втрат (FLAC або LINEAR16) і частоту дискретизації 16 000 Гц.
- Не додавайте шумозаглушення потім. Google не радить автоматичне регулювання гучності й шумозаглушення для свого сервісу і пише, що його розпізнавач розрахований на те, щоб ігнорувати фонові голоси й шум без додаткової обробки.
Погано чутний запис
Якщо запис уже є і його важко розібрати:
- Розшифруйте весь файл один раз і подивіться, які частини не вдалися.
- Переслухайте невдалі частини на повільнішій швидкості в навушниках і наберіть їх самі.
- Позначайте нерозбірливе як [нерозбірливо], а не вгадуйте. Вигадане слово в цитаті чи протоколі гірше за прогалину.
- Не чекайте дива від дуже далекого мовлення. Якщо голос ледь чути вам, програма теж не відновить його надійно.
Як самостійно перевірити точність
Точність розпізнавання мовлення зазвичай вимірюють часткою помилкових слів (word error rate, WER): WER = (S + D + I) / N, де S означає кількість замінених слів, D пропущених, I вставлених, а N кількість слів у правильному еталонному тексті. Що менше, то краще.
Домашній варіант займає п’ять хвилин:
- Візьміть абзац приблизно на 100 слів з кількома іменами й числами.
- Прочитайте його вголос у свій інструмент у звичних умовах.
- Порахуйте слова, які неправильні, пропущені чи зайві, і поділіть на кількість слів в абзаці.
- Змініть одну річ (відстань, кімнату, налаштування мови) і повторіть.
Результат покаже, що допомагає саме з вашим голосом, телефоном і кімнатою. Інструменти загалом він не порівнює: опублікований показник точності чинний лише для того аудіо, на якому його виміряли.
Що виправляє переписування ШІ, а що ні
Retexta, хмарний застосунок для Android, який перетворює голос на текст і пише тексти за допомогою ШІ, спершу розшифровує, а потім може переписати текст. Меню англійською, української версії інтерфейсу немає, тому назви наводимо англійською. Переписування надійно справляється з тим, що заважає читати сиру розшифровку:
- розділові знаки, великі літери й абзаци;
- слова-паразити й фальстарти («ну, е-е, тобто»);
- повтори й розірвані речення.
Якщо потрібно лише впорядкувати розшифровку, мета Clean up a text (у More templates) описана в застосунку так: зберегти ваш текст і виправити граматику, пунктуацію й плавність. Цілі письма, як-от Write a message чи Take notes, ідуть далі й перебудовують сказане.
Чого переписування не може, так це знати, що «Гнатюк» почули як «Гнатук» або що «п’ятнадцять» мало бути «п’ятдесят». Воно навіть може перетворити неправильно почуте слово на плавне речення, яке виглядає правильним. Тож звіряйте імена, числа, дати й суми із записом. Retexta позначає результати написом «AI-generated. Check important details.»
Дві деталі застосунку, які допомагають із точністю: Retexta визначає мову мовлення автоматично, зокрема українську, тож короткий запис із повним першим реченням дає їй більше матеріалу, ніж одне слово. А якщо запис беззвучний чи дуже тихий, вона повідомляє про це, а не повертає текст («Transcription finished, but no text was produced»).
Retexta можна спробувати безкоштовно: нові користувачі отримують кілька безкоштовних результатів Pro для перегляду в застосунку, а після них і Transcript only потребує Retexta Pro або кредитів. Цілі з переписуванням і Import audio входять до Retexta Pro, а копіювання, надсилання й експорт результатів потребують Retexta Pro або кредитів.
Читайте також
Записуєте голосову нотатку? Див. як розшифрувати голосову нотатку на Android. Диктуєте замість набору? Прочитайте, як надиктувати лист на Android. Два голоси в одному записі: як розшифрувати інтерв’ю. Формати файлів: MP3 у текст. Більше про застосунок: Retexta, голос у текст для Android.
Джерела
Перевірено FLAME Apps 25 і 26 вересня 2026 року.
- Google Cloud, Best practices, Cloud Speech-to-Text (англійською, оновлено 18 вересня 2026 року): положення мікрофона, перевантаження сигналу, частота дискретизації, кодеки без втрат, без регулювання гучності й шумозаглушення, підказки слів і фраз. Це рекомендації для власного сервісу Google.
- Wikipedia, Word error rate (англійською): визначення WER = (S + D + I) / N.
- Довідковий центр WhatsApp, розшифровка голосових повідомлень, довідка Gboard, розширені функції голосового вводу, і довідка Pixel, текстові версії аудіозаписів: списки мов.
- Код застосунку Retexta (Android, версія 2026.1.23): автоматичне визначення мови (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), опис мети Clean up a text і повідомлення про помилки (рядки застосунку).
