Транскрибація аудіо на зустрічах без хмари: GDPR
Коротко. Транскрибація аудіо без хмари означає, що звук перетворюється на текст на вашому власному комп’ютері, без передачі сторонньому сервісу. Це зменшує один ризик, але не вирішує все: учасників усе одно потрібно поінформувати, визначити строк зберігання та вичитати результат. У цьому посібнику є чек-лист із 8 пунктів, який варто перевірити перед записом.
Транскрибація аудіо економить час, але запис зустрічі та його текст можуть містити чутливі дані: голоси, імена, іноді цифри або внутрішні зауваження. Тому спитайте себе не лише «який інструмент обрати?», а й «куди потрапляє аудіо, хто має до нього доступ і як довго ми його зберігатимемо?». Цей посібник спирається на README Whisper, три сторінки CNIL і текст GDPR, усі переглянуті 28 жовтня 2026 року.
Які три способи розшифрувати зустріч?
| Асистент, що приєднується до дзвінка | Телефонний застосунок або онлайн-сервіс | Локальна транскрибація | |
|---|---|---|---|
| Куди потрапляє аудіо | до провайдера асистента | до провайдера сервісу | залишається на вашому комп’ютері |
| Чи бачать це учасники | часто банер або учасник-«бот» | ні, якщо ви їм не скажете | лише якщо ви їм скажете |
| Договір | умови провайдера, які треба прочитати | умови провайдера, які треба прочитати | визначаєте ви (зберігання, доступ) |
| Модель витрат | підписка на користувача | безкоштовно або підписка | обладнання та налаштування, без оплати за хвилину |
| Слабке місце | аудіо покидає компанію | те саме, з меншим контролем | налаштування, якість потребує перевірки, обслуговування |
Тут локальна обробка означає повністю локальний процес, а не лише встановлений застосунок. Перевірте зовнішні API, перехід до хмари, телеметрію та автоматичну синхронізацію папок. Окремо перевірте резервні копії, ліцензії й договори з підрядниками, що обслуговують систему. Обладнання, налаштування та перевірка людиною все одно потребують витрат: локально не завжди означає безкоштовно.
Жоден варіант сам по собі не є «правильним». Для зустрічі без серйозних наслідків онлайн-інструмента може вистачити. Для інтерв’ю з клієнтами, медичних файлів або листування з юристом з’ясуйте до запису, де відбувається обробка, а не після.
Що кажуть CNIL і GDPR?
Дві наведені нижче сторінки CNIL стосуються запису дзвінків і віддаленої роботи; це не повний перелік правових правил для будь-якої зустрічі. Самого повідомлення учасників недостатньо для визначення правової підстави. До запису з’ясуйте відповідну правову підставу та інші обов’язки разом із фахівцем із захисту даних або юристом.
-
Інформуйте людей. Для записаних телефонних розмов CNIL вимагає на початку вказати мету запису, хто його отримує, а також права на заперечення та доступ. Та сама прозорість — гарна основа і для зустрічі.
-
Без постійного моніторингу. У своїх питаннях і відповідях про віддалену роботу CNIL вважає безперервне відео- чи аудіоспостереження за працівниками несумісним із захистом даних і зазначає, що ввімкнення камери є обробкою персональних даних. Навіть оголошена розшифровка може бути інструментом спостереження за працівниками залежно від мети та використання: ви розшифровуєте оголошену зустріч, а не робочий день працівника.
-
Принципи статті 5 GDPR. Дані збирають для «визначених, явних і законних цілей», обмежують необхідним мінімумом і зберігають у формі, що дає змогу ідентифікувати людину, «не довше, ніж це необхідно».
На практиці це означає письмово визначити мету (наприклад, «для протоколу»), заздалегідь поінформувати учасників і встановити строк зберігання. Решта — правова підстава, зовнішні учасники, голосові записи — залежить від вашої ситуації, і це треба розібрати окремо.
Що перевірити перед увімкненням запису?
Ось наш список. Це не юридична консультація, а основа, яку варто адаптувати до своєї ситуації.
| Пункт | Питання | Гарна практика |
|---|---|---|
| 1. Мета | Навіщо ми записуємо? | одне письмове речення, наприклад «протокол» |
| 2. Необхідність | Чи вистачить ручних нотаток? | якщо так — не записуйте |
| 3. Інформування | Учасники знають, що йде запис? | скажіть на початку і в запрошенні |
| 4. Зовнішні учасники | Чи є клієнти чи треті особи? | повідомте їх і прийміть відмову |
| 5. Місце обробки | Де аудіо стає текстом? | на комп’ютері, який ви контролюєте |
| 6. Доступ | Хто може відкрити аудіо й текст? | іменний список, а не відкрита спільна папка |
| 7. Зберігання | Коли аудіо видаляється? | наприклад, після затвердження протоколу |
| 8. Вичитування | Хто перевіряє текст перед поширенням? | одна відповідальна особа, перевірка імен і цифр |
Якщо хоча б на одне запитання ви не знаєте відповіді, ухваліть рішення до початку запису.
Яку модель обрати для локальної транскрибації?
Whisper — модель розпізнавання мовлення під ліцензією MIT. README перелічує tiny, base, small, medium, large і turbo. Орієнтовні обсяги відеопам’яті: 1 ГБ для tiny, 10 ГБ для large і 6 ГБ для turbo. Це оцінки для реалізації проєкту, а не універсальні вимоги всіх застосунків на основі Whisper. Turbo призначено для розшифрування, а не перекладу. Для встановлення потрібні pip і ffmpeg; якість перевірте на власних записах.
Головне: що більша модель, то більше пам’яті їй потрібно і, як правило, то надійніший результат. Однак перевага залежить від мови, акцентів, рівня шуму та кількості мовців. Ми не наводимо універсальної цифри точності, бо її не існує: виміряйте її на власних записах.
Як протестувати транскрибацію до справжніх зустрічей?
Пропонуємо протестувати модель на вигаданому записі, на використання якого всі учасники дали згоду:
- Запишіть п’ять хвилин реалістичної розмови з двома-трьома голосами, цифрами, власними назвами та одним фаховим терміном.
- Розшифруйте запис за допомогою моделі середнього розміру, а потім — більшої.
- Порівняйте результат з еталонним текстом, який ви підготували самостійно, і позначте помилки в іменах і назвах, неправильні цифри та пропущені фрагменти.
- Знайдіть аудіо, розшифровку й тимчасові файли та перевірте видалення робочих копій. Задокументуйте строк зберігання резервних копій і порядок роботи з видаленими файлами після відновлення: усі резервні копії не обов’язково зникають одразу.
- Якщо потрібна робота без інтернету, спочатку встановіть модель і залежності, потім від’єднайтеся від мережі й повторіть тест. Перевірте, що перехід до хмарного сервісу не потрібен.
Це запропонований порядок перевірки, а не звіт про тестування в клієнта. Результат залежить від вашого обладнання та записів.
Які обмеження локальної транскрибації?
-
Це не сертифікат відповідності. Ви залишаєтеся відповідальними за обробку даних. Локальна транскрибація не замінює інформування учасників чи поради вашого уповноваженого із захисту даних.
-
Помилки можливі. Власні назви, цифри, рідкісні слова та одночасне мовлення кількох людей — типові джерела помилок. Вичитуйте перед поширенням.
-
Мітки мовців не гарантовані. Визначення того, хто що сказав, — окремий етап, на якому також можливі помилки.
-
Потрібне обладнання й обслуговування. Для коротких записів може вистачити сучасного ноутбука, а для обробки багатогодинного аудіо або роботи кількох користувачів часто корисна окрема відеокарта.
-
Розшифровка — це не протокол. Рішення та подальші дії пишуться згодом, із людською перевіркою.
Як Castel Studio працює з транскрибацією?
Ми розшифровуємо аудіо- та відеозаписи в Ніцці й готуємо читабельний текст із часовими мітками та позначенням мовців. Фрагменти, у яких розпізнавання викликає сумніви, ми позначаємо окремо — їх людина перевіряє за аудіо. Стартова ціна — 90 € за пакет: до 60 хвилин у 3 файлах, одна основна мова та до 2 людей, з прийнятним звуком. Місце обробки, умови зберігання, доступ і строки узгоджуємо до надсилання будь-яких файлів. Якщо обробка має йти на вашому комп’ютері, зазначте це в запиті — ми окремо порахуємо вартість налаштування. Для регулярної роботи на сторінці локального ШІ також можна замовити асистента на основі ваших документів від 790 €. Перш ніж обирати між онлайн-сервісом і локальним рішенням, прочитайте наш посібник про приватний ШІ для бізнесу, де зібрано запитання до провайдера, а також статтю про PDF-рахунки в Excel — ще один приклад локальної обробки даних.
Коротко опишіть тип записів і їхню тривалість. Через форму не надсилайте файли з чутливими даними. Ми відповідаємо письмово протягом 48 годин і, зокрема, підкажемо, якщо у вашому випадку достатньо онлайн-інструмента.
Локальна транскрибація дає змогу не платити за кожну хвилину, але витрати залишаються: обладнання, електроенергію, обслуговування та час на вичитування також потрібно врахувати.
Запитання
Чи можна записувати й розшифровувати зустріч, не повідомляючи учасників?
Виходьте з того, що учасників потрібно поінформувати заздалегідь: пояснити мету запису, назвати отримувачів даних, указати строк зберігання та розповісти про їхні права. CNIL вимагає цього для записаних телефонних розмов, і та сама логіка прозорості стосується зустрічей. Таємний запис — це юридичне питання: порадьтеся з юристом або вашим уповноваженим із захисту даних.
Чи відповідає локальна транскрибація вимогам GDPR?
Не автоматично. Перевірений повністю локальний процес дає змогу не передавати аудіо сторонньому сервісу, але все одно потрібно визначити мету обробки, поінформувати людей, установити правила зберігання й доступу та подбати про резервні копії. Локальний підхід зменшує один ризик, але не замінює аналіз відповідності.
Яку модель обрати для локальної транскрибації зустрічі?
Whisper, випущений за ліцензією MIT, — поширений варіант для початку. Згідно з README проєкту, доступні моделі різного розміру — від tiny до large, яким потрібно приблизно від 1 до 10 ГБ відеопам'яті. Якість залежить від мови, акценту та якості звуку, тому перед вибором протестуйте модель на репрезентативному записі.
Скільки часу зберігати аудіо та розшифровку?
GDPR вимагає не зберігати ідентифіковані дані довше, ніж необхідно. Розумний підхід — заздалегідь визначити строк зберігання, наприклад видаляти аудіо після затвердження протоколу, і зазначити цей строк у повідомленні про обробку даних. Точний строк залежить від вашої мети.
Чи замінює розшифровка протокол зустрічі?
Ні. Розшифровка — це необроблений текст, у якому можуть бути помилки в іменах і цифрах, а також плутанина з тим, хто що сказав. Протокол виокремлює рішення та дії. Завжди вичитуйте текст перед поширенням, особливо цифри, дати та імена власні.