---
title: "Транскрибация голосовых в текст: Whisper и Gemini | tuk-tuk.online"
nav_title: "Транскрибация"
url: https://docs.tuk-tuk.online/ai/transcription
markdown: https://docs.tuk-tuk.online/ai/transcription.md
section: "AI-ассистенты"
description: "Режим «Транскрибация» расшифровывает голосовые и аудиофайлы в текст прямо в диалоге через OpenAI Whisper или Google Gemini. Файлы до 50 МБ, форматы OGG, MP3, WAV, M4A, WEBM, работает параллельно с другими ассистентами."
keywords: ["транскрибация голосовых", "расшифровка аудио в текст", "Whisper транскрибация", "голосовые в текст бот", "транскрипция сообщений", "Gemini аудио", "распознавание речи бот", "STT для мессенджера", "голосовые сообщения текст"]
lang: ru
product: tuk-tuk.online
app: https://lk.tuk-tuk.online
api_base: https://back.tuk-tuk.online
---

> [!AI] Кратко
> Режим AI-ассистента «Транскрибация» расшифровывает голосовые сообщения и аудиофайлы в текст внутри диалога через OpenAI Whisper (whisper-1) или Google Gemini. Текст видят менеджер и другие AI-ассистенты канала.
>
> - Где: кабинет, «AI-ассистенты», «Создать ассистента», режим «Транскрибация аудио»; нужны провайдер и модель, промпт не нужен.
> - Приоритет провайдеров: OpenAI Whisper, если подключён; иначе Gemini (gemini-2.0-flash, gemini-2.5-pro, gemini-2.5-flash).
> - Лимиты: файл до 50 МБ, тайм-аут 120 секунд, форматы OGG, MP3, WAV, M4A, WEBM.
> - Язык по умолчанию русский, поддерживается 50+ языков.
> - Работает параллельно с другими ассистентами на том же канале; реагирует только на аудио.
>
> Связанные страницы: https://docs.tuk-tuk.online/ai/modes, https://docs.tuk-tuk.online/ai/providers, https://docs.tuk-tuk.online/ai/assistants, https://docs.tuk-tuk.online/ai/auto-responder, https://docs.tuk-tuk.online/dialogs/messages

# Транскрибация аудио и видео

Режим «Транскрибация» превращает голосовые сообщения и аудиофайлы в текст. Расшифровка появляется в диалоге: её читает менеджер, и её же видят другие AI-ассистенты канала, которые без транскрибации получают только пометку «[Voice message]».

## Когда включать

- Клиенты часто присылают голосовые, а менеджеры не хотят их слушать.
- На канале работают автоответчик или конвертер лидов, и они должны понимать голосовые.
- Нужна текстовая история всех обращений для поиска, аналитики и отчётов.

## Как работает

1. Клиент отправляет голосовое сообщение или аудиофайл.
2. AI определяет, что это аудио, и отправляет файл на распознавание речи.
3. Текст появляется в диалоге: его видят менеджер и другие AI-ассистенты.

Обработка занимает 2–10 секунд в зависимости от длины записи.

## Провайдеры

| Провайдер | Модель | Особенности |
|---|---|---|
| OpenAI Whisper | whisper-1 | Лучшее качество, 50+ языков, используется по умолчанию |
| Google Gemini | gemini-2.0-flash, gemini-2.5-pro, gemini-2.5-flash | Хорошее качество, быстрая обработка |

Если подключён OpenAI, используется Whisper. Если OpenAI нет, используется Gemini как запасной вариант.

## Как включить

1. Откройте [AI-ассистенты](https://lk.tuk-tuk.online/ai) в кабинете.
2. Нажмите «Создать ассистента»: откроется форма.
3. Выберите режим «Транскрибация аудио».
4. Выберите провайдера: OpenAI (Whisper) или Gemini.
5. Выберите модель транскрибации.
6. Привяжите ассистента к нужным каналам и сохраните: следующее голосовое в этих каналах будет расшифровано.

> [!NOTE] Транскрибации не нужна инструкция (промпт), только провайдер и модель. Провайдер подключается заранее в [провайдерах AI](https://docs.tuk-tuk.online/ai/providers).

## Настройки

| Параметр | Значение |
|---|---|
| Язык распознавания | Русский по умолчанию, поддерживаются 50+ языков |
| Максимальный размер файла | 50 МБ |
| Тайм-аут обработки | 120 секунд |
| Форматы | OGG, MP3, WAV, M4A, WEBM |

## Особенности режима

- Работает параллельно с другими ассистентами: к одному каналу можно подключить транскрибацию и автоответчик.
- Запускается только на аудио и голосовые, текстовые сообщения игнорирует.
- Расшифровка сохраняется в диалоге, к ней можно вернуться.

## Ограничения

- Файлы больше 50 МБ не обрабатываются.
- Если распознавание не уложилось в 120 секунд, расшифровка не появится.
- Нужен подключённый провайдер OpenAI или Google Gemini с рабочим API-ключом.