← Блог

Транскрибування зустрічей із розділенням спікерів

Hovor записує зустріч, транскрибує її та позначає кожне речення тим, хто це сказав — повністю на підтримуваному Mac чи iPhone, без надсилання аудіо на будь-який сервер. Розділення спікерів виконується на пристрої через FluidAudio, а для дзвінків на Mac застосовується роздільний запис: мікрофон і системне аудіо дзвінка записуються окремими потоками.

Оновлено: 6 жовтня 2026

Що насправді робить транскрибування зустрічей Hovor

Hovor записує зустріч у локальний аудіофайл, транскрибує мовлення з таймінгом на рівні слів, запускає діаризатор на пристрої, щоб визначити, хто говорив у кожен момент, і об'єднує обидва результати в транскрипт, позначений ідентифікатором спікера ("Спікер 1", "Спікер 2"…). Запис, транскрипція і розділення спікерів відбуваються повністю локально на macOS та iOS і входять до Local Unlock або Pro.

Хто що сказав: як працює розділення спікерів (діаризація)

Діаризація — це процес розбиття аудіозапису на сегменти та призначення кожному сегменту ідентичності спікера, без попереднього знання, хто саме є на записі. Hovor використовує FluidAudio, діаризатор на пристрої, щоб отримати ці відрізки мовлення, а потім вирівнює їх слово за словом із транскриптом: кожне транскрибоване слово отримує ідентифікатор спікера того відрізка діаризації, який покриває його таймстемп, а послідовні слова одного спікера групуються в один позначений сегмент.

Короткі паузи між відрізками того самого спікера (до 2 секунд) автоматично з'єднуються, тож коротка пауза посеред речення не розриває репліку однієї людини на два окремі сегменти.

Mac проти iPhone: дві різні стратегії запису

Hovor використовує різну стратегію запису для кожної платформи. На iPhone доступний лише мікрофон, тож кожен учасник — включно з вами — отримує загальну мітку "Спікер 1/2/3" від діаризації, яку можна перейменувати вручну або дати «Розпізнаним голосам» зробити це автоматично. На Mac захоплення системного аудіо дзвінка поряд із мікрофоном дає змозі Hovor розпізнавати ваш власний голос автоматично, взагалі без діаризації.

МожливістьmacOSiOS
Джерела аудіоМікрофон + системне аудіо (роздільний запис) або лише мікрофонЛише мікрофон
Як розпізнається ваш власний голосПоходить із потоку мікрофона; не діаризуєтьсяДіаризується як будь-який інший спікер; перейменування вручну або автозбіг через «Розпізнані голоси»
Потрібен дозвіл на запис екранаТак, для режиму «Мікрофон + Система»Ні
Максимальна тривалість запису90 хвилин90 хвилин
Рушій діаризації / транскрипціїFluidAudio (на пристрої)FluidAudio (на пристрої)
Мінімум оперативної пам'яті для локального рушія—~4 ГБ (поріг Parakeet)
Потрібен Local Unlock або ProТакТак

Роздільний запис: як Mac відокремлює ваш власний голос

Коли Hovor записує дзвінок на Mac у режимі «Мікрофон + Система», він створює два окремі аудіофайли: мікрофон (тільки ваш голос) і системне аудіо (віддалені учасники). Замість того, щоб діаризувати один змішаний запис і вгадувати, де "ви", Hovor транскрибує кожен потік окремо і діаризує лише системний потік. Кожне слово з потоку мікрофона тривіально належить вам; кожне слово з системного потоку отримує ідентифікатор спікера від діаризації. Обидва потоки об'єднуються в один часовий ряд, відсортований за таймстемпом.

Це також вирішує акустичну проблему, специфічну для дзвінків, що відтворюються через зовнішні динаміки: ваш мікрофон часто повторно захоплює звук цих динаміків як луну — голос віддаленого учасника, що відбивається в кімнаті й повертається в мікрофон. Hovor виявляє слова з потоку мікрофона, що потрапляють у межах 0,5 секунди від діаризованого відрізка віддаленого спікера, і відкидає їх як луну, оскільки те саме мовлення вже чисто транскрибоване із системного потоку. Якщо режим «Мікрофон + Система» недоступний (немає дозволу на запис екрана або стався збій захоплення посеред дзвінка), Hovor автоматично переходить на запис лише з мікрофона і відповідно позначає джерело.

Розпізнавання тієї самої людини в різних зустрічах: Розпізнані голоси

За замовчуванням кожна нова зустріч починається з чистого аркуша: спікери позначені як "Спікер 1", "Спікер 2" і так далі. Одноразове перейменування спікера навчає Hovor цей голос для майбутніх зустрічей. Hovor обчислює 256-вимірний голосовий відбиток для кожного спікера (через простір вбудовувань WeSpeaker від FluidAudio) і зберігає його локально під іменем, яке ви дали цьому спікеру — ніколи не саме аудіо, лише вектор.

У наступних зустрічах Hovor порівнює відбиток кожного нового спікера з вашими збереженими голосовими профілями за допомогою косинусної подібності та автоматично застосовує ім'я, коли показник подібності перевищує поріг 0,55. Зіставлення — взаємно однозначне: кожен розпізнаний голос призначається щонайбільше одному збереженому профілю в межах зустрічі, і навпаки, тож два різні спікери не можуть обидва зіставитися з тим самим збереженим іменем. Усе це — обчислення відбитків, зіставлення, зберігання — відбувається на пристрої; нічого не синхронізується із сервером.

Де насправді зберігаються дані ваших зустрічей

Зустрічі зберігаються локально. Транскрипт, сегменти, імена спікерів і стан обробки живуть у SwiftData на вашому пристрої; записаний аудіофайл залишається на вашому пристрої, а для роздільних записів на Mac тимчасові побічні файли голосу/системи, використані лише для діаризації, видаляються після завершення обробки, якщо ви не увімкнули їх збереження для діагностики. Профілі розпізнаних голосів — 256-вимірні вектори, не аудіо — живуть у локальному JSON-файлі. Жодні з цих даних не завантажуються.

Ви можете скопіювати повний транскрипт (кожен сегмент у форматі "Ім'я: текст", розділений порожнім рядком) або скопіювати текст окремого сегмента, щоб на нього відповісти — обидві дії йдуть напряму в системний буфер обміну, без будь-якого звернення до сервера.

Ціна: що відкриває транскрибування зустрічей

Запис зустрічей і транскрипти з розділенням спікерів входять до Local Unlock або Pro; лише BYOK Unlock їх не включає. Local Unlock — одноразова покупка (сімейний доступ — в App Store), а не підписка, за $20.00 (880 ₴). Ця сама покупка також відкриває необмежене диктування на пристрої та необмежені заміни в словнику, сніпети й власні робочі процеси — один платіж покриває всі функції, що працюють повністю на вашому пристрої, включно із зустрічами.

ПозиціяЦінаЩо включає
Local Unlock (одноразово)$20.00 / 880 ₴Транскрибування зустрічей + мітки спікерів, необмежене диктування на пристрої, необмежені заміни/сніпети/робочі процеси
BYOK Unlock (одноразово)$15.00 / 499 ₴Власні API-ключі OpenAI/Anthropic/інші для інших функцій Hovor (зустрічей не охоплює)
Пакет Local + BYOK (одноразово)$30.00 / 1350 ₴Обидва розблокування в одній покупці
Безкоштовний рівень$02 000 слів на тиждень, спільних для хмарного диктування і диктування на пристрої — без запису зустрічей

Local Unlock продається через App Store на iOS і macOS, а також через Monobank на сайті; сімейний доступ діє для покупок в App Store, а розблокування не має терміну дії.

Поширені запитання

Чи працює транскрибування зустрічей Hovor на Windows?

Ні. Запис зустрічей і транскрипція з розділенням спікерів наразі доступні лише на macOS та iOS. У бета-версії Hovor для Windows функції зустрічей немає. Якщо вам потрібен транскрипт зустрічі з мітками спікерів, використовуйте Hovor на Mac або на iPhone, який підтримує Parakeet (4 ГБ оперативної пам'яті або більше).

Як Hovor розрізняє різних спікерів у зустрічі?

Hovor запускає діаризатор на пристрої (FluidAudio), який призначає кожному відрізку мовлення ідентифікатор спікера (S1, S2, S3…) на основі характеристик голосу, а потім вирівнює ці відрізки з транскриптом на рівні слів, щоб кожне речення отримало позначку, хто це сказав. У дзвінках на Mac із системним аудіо Hovor також окремо транскрибує ваш мікрофон і системне аудіо дзвінка, тому ваш власний голос береться з окремого потоку мікрофона і не потребує діаризації.

Чи надсилається аудіо моєї зустрічі на сервер?

Ні. Транскрибування зустрічей і розділення спікерів повністю виконуються на пристрої за допомогою транскрайбера й діаризатора FluidAudio на основі Parakeet — того самого рушія, який Hovor пропонує для необов'язкового диктування на пристрої. Записане аудіо, транскрипт, текст сегментів і голосові відбитки спікерів (256-вимірні вектори, ніколи не саме аудіо) зберігаються локально через SwiftData та локальне сховище застосунку. Для роздільних записів на Mac тимчасові файли голосу й системи, використані лише для діаризації, видаляються після завершення обробки, якщо ви явно не увімкнули їх збереження для діагностики. Жоден вміст зустрічі не завантажується на сервери Hovor на жодному етапі конвеєра.

Якою може бути тривалість одного запису зустрічі?

До 90 хвилин. Рекордер Hovor автоматично зупиняється і завершує запис, щойно досягає ліміту в 90 хвилин, тож нічого не залишається запущеним безмежно довго і нічого не втрачається, якщо ви забули зупинити запис самостійно. Той самий єдиний шлях завершення обробляє будь-який спосіб закінчення запису — ручну зупинку, ліміт у 90 хвилин або переривання. На iPhone, якщо телефонний дзвінок, будильник чи запит Siri перериває аудіодвигун системи посеред запису, Hovor виявляє це й коректно завершує запис замість того, щоб залишити його замороженим, тож усе захоплене до цього моменту все одно транскрибується й діаризується.

Чи може Hovor автоматично підставити справжнє ім'я людини замість "Спікер 2"?

Так, через функцію «Розпізнані голоси» (Enrolled Voices). Коли ви перейменовуєте спікера в минулій зустрічі, Hovor зберігає 256-вимірний голосовий відбиток цієї людини — ніколи не саме аудіо. У наступних зустрічах Hovor порівнює голосовий відбиток кожного нового спікера з вашими збереженими голосами за допомогою косинусної подібності та автоматично застосовує збіг, якщо показник подібності перевищує поріг 0,55. Порівняння відбувається на пристрої; дані розпізнаних голосів зберігаються лише на цьому пристрої.

Що потрібно купити, щоб користуватися транскрибуванням зустрічей?

Запис зустрічей і транскрипти з розділенням спікерів входять до Local Unlock або Pro; лише BYOK Unlock їх не включає. Local Unlock — одноразова покупка (сімейний доступ — в App Store) за $20.00 (або 880 ₴), доступна через App Store на iOS і macOS та через Monobank на сайті. Local Unlock також включає необмежене диктування на пристрої та необмежені заміни в словнику, сніпети й власні робочі процеси — це одна покупка, а не підписка.

Ніколи не втрачайте, хто що сказав

Записуйте зустріч на Mac чи iPhone і отримуйте транскрипт із позначками спікерів — повністю на пристрої. Одноразова покупка Local Unlock, сімейний доступ в App Store, без підписки.

Отримати Hovor