Руководство

M4A, MP3, WAV, MOV: как получить текст из любой записи

Формат, в котором случайно оказалась ваша запись, не должен решать, сможете ли вы её транскрибировать. Обычно и не решает — но несколько настоящих ловушек всё же есть.

30 August 2026

Поищите «m4a to text» — и найдёте сотню сайтов, которые хотят, чтобы вы загрузили файл. Они почти никогда не нужны: формат редко оказывается настоящим препятствием, а там, где оказывается, решение — не сайт-конвертер.

Вот что на самом деле означает каждый формат, который может быть у вас на руках.

Короткий ответ #

Для транскрибации хороший инструмент внутри себя приводит всё, что вы ему даёте, к одному и тому же — моно-аудио 16 кГц — и работает уже с ним. Контейнер — это деталь. Важно другое:

1. Есть ли внутри вообще звуковая дорожка?
2. Не сжали ли её настолько сильно, что детали речи пропали?
3. Способен ли инструмент открыть именно этот контейнер?

От расширения файла зависит только третий вопрос, и то лишь в паре неудобных случаев.

Форматы #

M4A — то, чем является голосовая заметка на iPhone. Звук AAC в контейнере MP4. Сжатый, но на битрейтах, которые используют телефоны, качество хорошее, и на транскрибацию это не влияет. Самый частый файл, который люди хотят расшифровать, — и никакой проблемы он не представляет.

MP3 — универсальный формат. История та же: сжатие с потерями, на практике всё в порядке. А вот MP3 с очень низким битрейтом (64 кбит/с и ниже, обычное дело в старых архивах подкастов и записях телефонных систем) заметно снижают точность, потому что сжатие убирает высокие частоты, по которым различаются похожие согласные. Вернуть их обратно невозможно.

WAV — без сжатия. Лучший вариант по точности и худший по размеру файла: два часа — это несколько сотен мегабайт, поэтому облачные сервисы часто спотыкаются именно на WAV. Локальной транскрибации это безразлично.

AAC — кодек внутри большинства файлов M4A, иногда встречается и сам по себе как .aac. Свойства те же, что у M4A.

CAF — Core Audio Format от Apple. Появляется из инструментов записи в macOS и iOS. В других местах встречается редко, но всё, что построено на аудиофреймворках Apple, работает с ним нормально.

OGG / Opus — сторона веба и Android. Голосовые сообщения в WhatsApp — это Opus. Отличный кодек для речи на низких битрейтах, действительно лучше MP3 при том же размере. Некоторые нативные инструменты Apple не могут открыть его без шага декодирования — это ограничение инструментов, а не качества.

MOV и MP4 — видео. Для транскрибации нужна только звуковая дорожка, её извлекают первым делом. Практически любая запись экрана, видео с телефона и файл с камеры — это один из этих двух форматов.

Настоящие ловушки #

Видеофайл без звуковой дорожки #

Очевидно, когда знаешь, и незаметно, пока не знаешь. Некоторые записи экрана делаются без звука, а некоторые камеры пишут звук отдельным файлом. С немым видео инструмент транскрибации ничего сделать не может, и хороший инструмент должен сказать об этом, а не вернуть пустой транскрипт.

Старые файлы MOV #

Не все файлы .mov одинаковы. Старые файлы QuickTime могут содержать единый мультиплексированный поток MPEG без отдельной звуковой дорожки, к которой могли бы обратиться современные фреймворки. Собственные инструменты Apple сообщат, что звуковых дорожек ноль. Если какой-то конкретный старый .mov не открывается нигде, а современные работают, причина обычно в этом. Практическое решение — переэкспортировать его из QuickTime Player.

Что угодно с очень низким битрейтом #

Ниже примерно 64 кбит/с для речи точность падает, чем бы вы ни транскрибировали. Если при записи у вас есть выбор, именно об этой настройке и стоит позаботиться — она куда важнее, чем то, каким приложением вы воспользуетесь потом.

Файл, который не соответствует своему расширению #

Переименование recording.aiff в recording.mp3 его не конвертирует, и инструменты, доверяющие расширению, будут падать непонятным образом. Если файл ведёт себя странно, проверьте, что это на самом деле (команда file recording.mp3 в Терминале подскажет).

Нужно ли сначала конвертировать? #

Обычно нет, и конвертация может обойтись вам дорого.

Каждое преобразование между форматами с потерями — скажем, MP3 в M4A — это декодирование и повторное кодирование, при котором каждый раз теряется ещё немного деталей. Если ваша цель — точная транскрибация, отдать оригинальный файл инструменту, который читает его напрямую, строго лучше, чем сначала конвертировать.

Исключение — формат, который ваш инструмент действительно не может открыть. Тогда конвертируйте один раз, из оригинала, и в WAV, а не в другой формат с потерями.

Что поддерживаем мы #

Offline Transcription читает MP3, WAV, M4A, AAC, CAF и OGG для аудио, а также MOV и MP4 для видео — и на Mac, и на iPhone. Всё внутри приводится к моно 16 кГц, которое ожидает модель, так что вы просто перетаскиваете исходный файл, и больше ничего не требуется.

Неподдерживаемые или не поддающиеся декодированию файлы перечисляются с внятной причиной, а не отказывают молча, — включая случай со старым .mov выше, который мы держим как тестовый образец именно потому, что он не открывается нигде.

Коротко #

Формат почти никогда не бывает проблемой. Сжатие ниже примерно 64 кбит/с — настоящая проблема, видеофайлы без звуковой дорожки — настоящая проблема, старые файлы MOV — иногда встречающаяся настоящая проблема. Всё остальное — M4A, MP3, WAV, AAC, CAF, OGG, MP4 — транскрибируется напрямую, а предварительная конвертация обычно делает результат чуть хуже, а не лучше.