Половина проблем с расшифровкой лечится не выбором сервиса, а обработкой файла до загрузки. Разбираем, что именно делать.
Один и тот же движок на чистой записи даёт 96 % точности, а на шумной — 70 %. Разница между хорошим и средним сервисом при этом обычно в пределах пяти процентов. Вывод простой: сначала звук, потом инструмент.
Не пережимайте файл повторно и не поднимайте частоту дискретизации: перекодирование добавляет артефакты, а утраченные при записи частоты не возвращаются. Если исходник записан в 8 кГц, он таким и останется.
Послушайте тридцать секунд обработанного файла в наушниках. Если после шумоподавления голос стал звучать «под водой» — обработка слишком агрессивная, для распознавания это хуже исходного шума.
Для записи из тихой комнаты — нет. Для улицы, машины и переговорки — да, разница заметная.
Косвенно: чистый исходник нужен для клонирования голоса, иначе шум переносится в модель.
Узкую полосу 8 кГц обработка не расширит; чистить стоит только шум.