Бот для расшифровки голосовых в Telegram: голос в текст без кода

Бот для расшифровки голосовых в Telegram собирается в nana800 из трёх блоков: триггер ловит голосовое, блок «Speech to text» распознаёт речь через OpenAI, а бот присылает текст в ответ. Нужны токен бота от @BotFather и ваш ключ OpenAI, программировать не нужно. Блоки Telegram стоят 100 ₽ за 1 000 запусков, распознавание вдвое дороже, а за саму расшифровку OpenAI списывает деньги с вашего счёта.

Собрать в конструкторе

Что можно автоматизировать

  • Бот отвечает на голосовое его текстом: удобно, когда слушать запись некогда или неудобно
  • Голосовые заявки клиентов превращаются в текст и уходят менеджерам в рабочую группу
  • Наговорить заметку или задачу голосом и сразу получить её текстом в личке с ботом
  • Расшифровывать аудиофайлы, видео и кружочки до 20 МБ: блок понимает mp3, m4a, wav, ogg, flac и видео mp4
  • Точнее записывать названия товаров и имена: их перечисляют в подсказке для модели, а для речи на двух языках указывают ru,en
  • Передавать расшифровку дальше по схеме: в таблицу, CRM или нейросети для краткого пересказа

Как настроить

  1. 1

    Создайте бота и ключ OpenAI

    Напишите @BotFather команду /newbot и скопируйте токен бота. Ключ OpenAI создайте в кабинете OpenAI Platform, в разделе API keys. Распознавание оплачивается с вашего счёта в OpenAI, поэтому на нём должны быть деньги.

  2. 2

    Добавьте триггер сообщений боту

    Создайте схему и добавьте триггер «Telegram message from user to bot». Вставьте токен, в поле «Какие события запускают схему» выберите message. Голосовое, которое пришло боту, nana800 копирует в своё хранилище, а ссылка на файл попадает в список audio_urls триггера.

  3. 3

    Добавьте блок распознавания

    Добавьте блок «Speech to text» и вставьте ключ OpenAI. В поле «Ссылка на аудио или видео» подставьте из триггера список audio_urls и в конце пути допишите [0], чтобы взять первую ссылку. В «Язык записи» впишите ru, модель оставьте gpt-transcribe.

  4. 4

    Отсейте сообщения без голоса

    Если боту пишут и текстом, поставьте перед распознаванием блок «condition» с правилом: ссылка из audio_urls не пустая (оператор EXISTS). Распознавание подключите к выходу с галочкой. Тогда обычные сообщения не дойдут до распознавания и не дадут ошибку.

  5. 5

    Отправьте текст в ответ

    Добавьте блок «Telegram message send» с тем же токеном. В «ID чата» подставьте chat_id из триггера, в «Текст сообщения» поле text из блока распознавания, оформление выберите plain_text. Чтобы ответ пришёл под голосовым, в «Ответить на сообщение» подставьте message_id из триггера.

  6. 6

    Включите схему и проверьте

    Включите схему и отправьте боту короткое голосовое. Если ответа нет, конструктор покажет блок с ошибкой, а в журнале запусков будет причина: неверный ключ, пустая ссылка или файл больше 25 МБ. Пока схема включена, она стоит 0,42 ₽ в час.

Сколько стоит

Запуск блоков Telegram стоит 0,10 ₽, блоков Распознавание речи - 0,20 ₽. Каждый месяц баланс бесплатно пополняется до 350 ₽, включённая схема стоит 0,42 ₽ в час.

Сервисы в связке

  • Telegram

    Соберите Telegram-бота без кода: ответы на сообщения, кнопки, заявки и уведомления в личку, группу или канал. Бесплатный баланс каждый месяц, карта не нужна.

  • Распознавание речи

    Переводите аудио, видео и голосовые из Telegram в текст через OpenAI без кода: записи звонков, встреч и интервью. Бесплатный баланс каждый месяц, карта не нужна.

Частые вопросы

В nana800 голосовое запускает триггер и отправку ответа, оба стоят как простой блок: 100 ₽ за 1 000 запусков. Распознавание стоит вдвое дороже. Включённая схема стоит 0,42 ₽ в час. Баланс каждый месяц бесплатно пополняется до 350 ₽, но если бот включён круглосуточно, большая часть этой суммы уходит на часы работы схемы. Само распознавание OpenAI списывает с вашего счёта по своим ценам.

Нет. Блок «Speech to text» работает только с вашим ключом: nana800 скачивает запись по ссылке и отправляет её в OpenAI на распознавание. Ключ создаётся в кабинете OpenAI Platform, на счёте должны быть деньги.

Голосовые и аудиофайлы, которые Telegram отдаёт боту: до 20 МБ, их ссылки лежат в audio_urls. Видео и кружочки тоже подходят, их ссылки лежат в video_urls. Блок распознавания берёт mp3, m4a, wav, webm, ogg, flac и mp4 до 25 МБ и сам определяет формат. У файлов больше 20 МБ Telegram ссылку не даёт.

Укажите язык записи, например ru: так распознавание точнее и быстрее. Названия товаров, имена и термины перечислите в поле «Подсказка для модели». Если в записи два языка, впишите ru,en: это понимает модель gpt-transcribe.

Да. В поле «Что вернуть» выберите with_timestamps и модель whisper-1: придёт текст и список фрагментов с началом и концом в секундах. Остальные модели таймкоды не выдают. OpenAI отключит все модели, кроме gpt-transcribe, 26 февраля 2027 года.

Соберите первую схему бесплатно

Регистрация бесплатная, карта не нужна. Каждый месяц баланс бесплатно пополняется до 350 ₽, этого хватает примерно на 3 500 запусков простых блоков.

Собрать в конструкторе