Транскрибация: частые вопросы

Traart — это бесплатное приложение для macOS, которое транскрибирует аудио- и видеофайлы на русском языке. Оно использует SOTA-модель GigaAM v3 от Сбера для распознавания речи и pyannote для диаризации спикеров. Вся обработка происходит локально на вашем Mac.

Да, полностью. Нет подписок, пробных периодов, скрытых платежей или ограничений на объём. Traart использует open-source модели и не требует серверной инфраструктуры, поэтому нам нечего монетизировать.

Нет. Traart работает без регистрации, аккаунтов и API-ключей. Скачали, установили, используете.

Traart построен на open-source моделях: GigaAM v3 (Сбер) для ASR и pyannote.audio для диаризации. Само приложение распространяется бесплатно.

Нет. Traart работает полностью локально. Ни аудиофайлы, ни результаты транскрибации, ни какие-либо метаданные не отправляются куда-либо. Приложение не делает сетевых запросов после загрузки моделей.

Только для первоначальной загрузки моделей (примерно 2 ГБ). После этого Traart работает полностью офлайн, без интернета.

Да. Именно для этого Traart и создан. Поскольку вся обработка локальная, ваши конфиденциальные записи (интервью, совещания, переговоры) никогда не покидают ваш компьютер. Это архитектурная гарантия приватности.

• macOS 13 (Ventura) или новее
• Apple Silicon (M1, M2, M3, M4)
• Минимум 8 ГБ оперативной памяти (рекомендуется 16 ГБ)
• ~2 ГБ свободного места для моделей

На данный момент Traart оптимизирован для Apple Silicon (M1+) с использованием MPS-ускорения. На Intel Mac работа возможна, но значительно медленнее, так как все вычисления будут выполняться на CPU.

1. Скачайте .dmg файл со страницы загрузки
2. Откройте .dmg и перетащите Traart в папку Applications
3. Запустите приложение из Launchpad или Finder
4. При первом запуске модели загрузятся автоматически (~2 ГБ)

На данный момент Traart доступен только для macOS. Поддержка других платформ может быть добавлена в будущем.

Аудио: MP3, OGG, WAV, M4A, FLAC

Видео: MP4, MKV, WebM, MOV

Вывод: Markdown (.md), Plain Text (.txt), JSON (.json)

Диаризация (Speaker Diarization) — это автоматическое определение, кто говорит в каждый момент времени. Traart использует модель pyannote.audio для разделения аудио на сегменты по спикерам. В результате каждая реплика в транскрипции подписана: «Спикер 1», «Спикер 2» и т.д.

Traart может определить до 10 и более спикеров в одной записи. Количество спикеров определяется автоматически — вам не нужно указывать его заранее. Точность диаризации выше при чёткой смене спикеров и хорошем качестве записи.

В настройках Traart вы указываете папку для мониторинга. Приложение следит за появлением новых аудио- и видеофайлов в этой папке. Как только обнаружен новый файл поддерживаемого формата, транскрибация запускается автоматически. Результат сохраняется рядом с исходным файлом.

На данный момент Traart оптимизирован для русской речи с использованием модели GigaAM v3. Модель обучена преимущественно на русском языке. Поддержка других языков может быть добавлена в будущих обновлениях.

Нет жёсткого ограничения. Traart обрабатывает файлы любой длительности, разбивая их на сегменты. Файлы длительностью в несколько часов обрабатываются без проблем. Единственное ограничение — объём доступной оперативной памяти.

На Apple Silicon скорость составляет от 8x до 18x от реального времени в зависимости от чипа. Это значит, что часовое аудио обрабатывается за 5-12 минут. С включённой диаризацией время увеличивается примерно на 30%.

В режиме ожидания Traart потребляет минимум ресурсов (менее 100 МБ). При транскрибации потребление памяти может достигать 3-5 ГБ в зависимости от длины обрабатываемого файла и включённой диаризации.

Да. Traart работает в фоновом режиме и не мешает другим приложениям. При высокой нагрузке на GPU может наблюдаться незначительное замедление графических приложений, но обычная работа (браузер, редактор, мессенджеры) не затрагивается.

SOTA (State of the Art) означает «лучший на данный момент». GigaAM v3 показывает лучшие результаты среди всех доступных моделей для распознавания русской речи по метрике WER (Word Error Rate). Это подтверждено бенчмарками на стандартных тестовых наборах данных.

Качество распознавания наилучшее для чистых записей (WER 3-5%). Для записей с фоновым шумом, эхом или низким качеством микрофона WER может увеличиваться. Для достижения лучших результатов рекомендуется использовать хороший микрофон и минимизировать фоновый шум.

GigaAM v3 обучена на огромном корпусе русскоязычных данных, включая профессиональную речь. Модель хорошо справляется с терминологией из медицины, юриспруденции, IT и других областей. Однако для очень узкоспециализированных терминов могут потребоваться незначительные ручные правки.

1. Убедитесь, что у вас macOS 13+ и Apple Silicon
2. При первом запуске macOS может заблокировать приложение — откройте System Settings > Privacy & Security и разрешите запуск
3. Проверьте, что достаточно свободного места для загрузки моделей (~2 ГБ)
4. Попробуйте перезагрузить Mac и запустить снова

• Закройте ресурсоёмкие приложения (видеоредакторы, игры)
• Убедитесь, что Mac не находится в режиме энергосбережения
• Для очень длинных файлов (3+ часа) обработка может занять 20-30 минут — это нормально
• Если проблема сохраняется, попробуйте перезапустить Traart

• Убедитесь, что в записи именно русская речь
• Проверьте качество исходной записи — шум, эхо и наложение голосов снижают точность
• Убедитесь, что модели загрузились полностью (проверьте статус в menu bar)
• Попробуйте другой формат файла (WAV обычно даёт лучшие результаты)