Инструкция бета-тестера

Доступ открыт только для почты, которую вы указали в опросе. Регистрации на сайте нет — аккаунт TatarID на эту почту мы создаём сами.

1. На главной нажмите «Войти» в правом верхнем углу, затем «Войти через TatarID».
2. Первый раз: нажмите «Забыли пароль?», введите почту из опроса и придумайте пароль по ссылке из письма. Письмо может попасть в «Спам».
3. Дальше входите с этой почтой и паролем.

Загрузить файл. Перетащите аудио в поле или нажмите на него и выберите файл. Форматы: WAV, MP3, OGG, FLAC, M4A.

Записать голос. Вкладка «Записать голос» → кнопка записи → говорите → остановите. Запись можно прослушать и перезаписать.

Режим. Над кнопкой можно выбрать «Качество» или «Скорость». «Качество» (по умолчанию) режет запись по паузам и распознаёт частями — точнее и без обрывов на длинных файлах. «Скорость» отправляет весь файл одним запросом — быстрее, но на записях от ~40 минут текст может оборваться. Если попробуете оба режима на одном файле — напишите, какой получился лучше.

Дальше нажмите «Распознать речь» и подождите. Часовая запись распознаётся не дольше 10 минут. Вкладку нужно держать открытой: прогресс живёт в ней.

Готовый текст можно скопировать целиком или скачать в TXT, DOCX, RTF, MD, HTML, CSV или SRT. SRT — это субтитры с настоящими таймкодами, их можно сразу подложить в монтажную программу.

«Скользящее окно» значит, что лимит не обнуляется в полночь: как только с момента распознавания прошло 10 часов, эти минуты снова становятся доступными. Если лимит исчерпан, сервис так и напишет и покажет, сколько осталось.

Под полем загрузки есть чекбокс «Разрешаю использовать это аудио для улучшения татарской модели». Он выключен по умолчанию.

Если вы его отметите, запись сохранится у нас и попадёт в обучающий набор для татарской модели распознавания. Набор закрытый: наружу не публикуется и никому не передаётся.

Пожалуйста, не отмечайте галочку, если:

• в записи звучат люди, которые не давали на это согласия (интервью, совещания, телефонные разговоры);
• в записи есть персональные данные, врачебная или коммерческая тайна, источники или что-то ещё непубличное.

Если галочка не отмечена, аудио используется только для того, чтобы выдать вам текст, и не сохраняется.

Само распознавание выполняется на серверах Google (Gemini API), то есть аудио во время тестирования уходит к Google независимо от галочки.

Бета нужна, чтобы поймать то, чего мы не видим на своих файлах. Больше всего помогут отчёты про:

• длинные записи — от 40 минут и дольше (там чаще всего ломается);
• шумную обстановку — улица, кафе, плохой телефонный канал;
• несколько говорящих и перебивания;
• смешанную речь — татарский вперемешку с русским;
• диалекты и нестандартное произношение;
• специальную лексику — имена, топонимы, термины, должности;
• таймкоды в SRT — совпадают ли они со звуком.

Чтобы отчёт можно было использовать, приложите:

1. что вы делали и что ожидали увидеть;
2. что получилось вместо этого (скриншот или сам текст);
3. длину и формат записи, примерное время распознавания;
4. дату и время, хотя бы приблизительно — по ним мы находим логи;
5. по возможности сам файл или его фрагмент, если он не конфиденциальный.

Плохое качество распознавания — это тоже баг, о нём стоит писать. Особенно полезно, когда видно, где именно модель ошиблась: пришлите кусок текста и что там было на самом деле.

• не переводит — только татарская речь в татарский текст;
• пунктуацию расставляет модель, местами она может быть спорной;
• очень тихую или сильно забитую шумом речь может пропускать;
• на длинных файлах иногда бывают редкие пропуски фрагментов — как раз это мы и ловим в бете.