Как преобразовать голосовое сообщение в текст?

виспер поставь локально, он m4a жуёт нормально. по спикерам правда сам не делит, там отдельно прикручивать

22 минуты это ещё по божески. мне из суда запись на 4 часа давали расшифровывать, вот там я поседел. в итоге делил на куски по 10 минут и прогонял, потом сшивал в ворде. на всё ушло два вечера, зато денег не платил

Оптимально: локальная модель распознавания, если важны приватность и объём, либо онлайн-сервис с оплатой по минутам, когда возиться с установкой не хочется. Причины: 22 минуты выходят за бесплатные лимиты почти везде, разделение по говорящим есть не у всех сервисов и почти всегда относится к платным функциям, а запись внутреннего совещания разумнее не выкладывать на случайный сайт.

Совещание на 22 минуты бесплатно и с метками говорящих не расшифрует почти никто, но варианты есть.

• Локально. Открытые модели распознавания ставятся на компьютер и работают без интернета и лимитов. За 22 минуты на обычном ноутбуке уйдёт минут десять, зато бесплатно и запись никуда не уезжает
• Диаризация. Разделение по спикерам это отдельный модуль, идёт он не везде. Ищите в описании слово диаризация, а не просто расшифровка
• Онлайн-сервисы. Первые минуты бесплатно, дальше оплата, вы это уже проверили. Смотрите те, где тариф за минуты, а не подписка на месяц
• Формат. m4a обычно поддерживается, но если сервис капризничает, переведите в wav или mp3 бесплатным конвертером
• Встречи. Часть сервисов для созвонов делает расшифровку с ролями сразу, если запись велась через них, а не диктофоном Правку закладывайте в любом случае: имена, термины и цифры машина коверкает стабильно.

яндекс и сбер такое умеют, но платно