Расшифровка голосовых в Telegram и не только: кому вы готовы доверить свои разговоры

Мессенджеры давно перестали быть про текст. У каждого, кажется, есть подруга, которая общается только голосовыми и, конечно, рабочий чатик, в который закидывают часовую запись созвона: «там где-то на 40-й минуте про наш проект».

У крупных бизнесов свои приколы с NDA и ценником в шесть нулей, а вот у тех кто поменьше, и у обычных пользователей Telegram - основная платформа для всего. Там же живут и боты, помогающие со всем на свете, в том числе и те, что помогают с расшифровками голосовых и прочих аудио/видео в текст. Разное качество, разные цены - сравнений и маркетинга больше, чем стоило бы. Но что с приватностью данных?

Я посмотрел на популярные сервисы расшифровки именно с этой стороны - что сервисы делают с персональными данными (а расшифровки всегда могут содержать их), кому передают эти данные и говорят ли своим пользователям об этом. В нынешних реалиях это вопрос уже не только репутации, но иногда и физической безопасности.

Но не будем о грустном, переходим к сути. Я выбрал телеграм-сервисы, у которых есть хотя бы какие-то публичные заявления о безопасности данных и опубликованные документы. Тех, кто не позаботился даже об этом, в обзор не включал - там и обсуждать нечего.

Сразу стоит сделать важную ремарку: сам Telegram - уже сторонний сервис, и пользуясь им, вы принимаете риски. Но любая платформа - это риск, и дальше вы просто выбираете меньший. Кому-то и вовсе по душе мессенджер Max - но это явно не аудитория этой статьи.

В Telegram Premium есть встроенная расшифровка, и если риски на уровне платформы мы уже приняли, было бы логично пользоваться именно ей. Но есть нюанс - любой, кто пробовал расшифровать больше пятнадцати секунд живой речи, знает результат. Для рабочего созвона, разговора на улице или просто длинной записи - непригодно. На этих дрожжах и выросли многочисленные телеграм-боты, которые закрывают нишу для более требовательных пользователей.

Когда вы пересылаете аудио боту, файл уходит за пределы Telegram на сервер бота. Оттуда - к внешнему провайдеру ИИ, который распознает речь и возвращает текст. Текст едет обратно на сервер бота, а оттуда - к вам в чат.

Три точки, через которые проходят ваши данные: Telegram, сервер бота, провайдер распознавания. На любой из них ваши данные могут перестать быть вашими.

Но почему? Зачем? И "да кому я нужен"?

Буквица (~51 000 пользователей/мес) и Whisper Bot AI (~35 000 на два бота) - давно на рынке, наибольшая база и известность. Memo AI (~11 000) и TAK! TEXT (~3 000) - растущие альтернативы, качество следующего поколения телеграм-ботов: первый выделяется наличием веб-версии с полным функционалом вне телеграма, второй - подходом к приватности и безопасности пользовательских данных. И отдельной строкой - SaluteSpeech от Сбера (более полумиллиона пользователей!), самый массовый и единственный бесплатный.. наличие его в статье про приватность данных звучит как шутка, но все же при такой базе пользователей было бы несправедливо не добавить их бота в сравнение.

Мы проверили сайты каждого сервиса, документы с условиями предоставления услуг, политики конфиденциальности и сравнили их с маркетинговыми заявлениями. Кроме того, обратили внимание на регистрацию сервиса, юрисдикцию и обязанности в рамках законодательства.

На сайте сервиса есть очень четкое и сильное заявление: «Мы никогда не поделимся твоими данными ни с кем! Никакой рекламы, никакой продажи информации, никакого обучения нейросетей на ваших данных.»

Открываем документы на их же сайте (Политика обработки ПД): Трансграничная передача ПД - «вправе осуществлять». Третьи лица - открытый список: «иные лица, с которыми Оператор взаимодействует». Срок хранения данных - 3 года после прекращения использования. Приложение №1, цели обработки - «персонализированная / неперсонализированная реклама». Провайдер распознавания речи - не указан.

Маркетинговое обещание и юридический документ по факту описывают два разных сервиса.

Сайт не балует деталями, но кое-что нашлось: «Не сохраняем и не смотрим ваши файлы. Полное соблюдение стандартов конфиденциальности.»

Читаем документы на русском языке (Политика обработки ПД): Аудио используется «исключительно для автоматизированного преобразования в текст». Отказ от обучения моделей на пользовательских данных не упоминается. Провайдеры распознавания не названы.

Любопытно, что документы в английской версии отличаются разительно (Privacy Policy, тот же оператор):

Провайдеры названы прямо: OpenAI, Anthropic, ElevateAI.

И это помогает понять финансовую модель.
ElevateAI - это дочерний сервис корпорации NICE, одного из крупнейших вендоров в индустрии контакт-центров. Их бизнес-модель не секрет: они раздают транскрипцию бесплатно (до 1000 взаимодействий в день на бесплатном тарифе), а взамен собирают аудиоданные для обучения своих коммерческих AI-моделей, которые потом продают корпоративным клиентам.
На своем сайте NICE прямо пишет, что их AI «trained on billions of interactions». Откуда берутся эти миллиарды - вот как раз благодаря таким сервисам. Бот получает бесплатный API, NICE получает ваши голосовые для тренировки, а вы об этом узнаете только если прочитаете английскую версию Privacy Policy.

Один оператор, два набора правил. В английской версии написано то, о чем русская молчит, и в целом понятно почему - штрафы за нарушение GDPR в Европе за 2025 год составили 1,2 млрд евро, там приходится писать как есть, также скорее всего и сам провайдер ElevateAI требует прозрачности. В политике на русском языке же можно и умолчать обо всех этих особенностях - никто не проверит.

Раздела о приватности на сайте нет, обещаний о безопасности данных нет. И в какой-то мере это более честная позиция - сервис хотя бы не обещает то, что не собирается исполнять.

Политика конфиденциальности на русском языке: Среди прочего перечисляет цели обработки данных и включает «продвижение услуг, контроль результатов маркетинговых мероприятий». Провайдер распознавания не указан.

Тот же самый документ на английском отличаются и у них.
Privacy Policy: Оператор указан как «Memo AI» - без имени и без каких-либо юридических деталей. Тот же сервис, но из документа убрана вся информация, связывающая его с российским ИП. При этом при внимательном чтении находятся интересные детали: срок обработки данных - «without time limitation», то есть бессрочно (даже Буквица ограничивается тремя годами).

Данные могут быть переданы при продаже бизнеса - «merger, alienation, restructuring, dissolution or other sale or transfer of assets». А передача третьим лицам описана формулировкой настолько размытой, что покрывает практически любой сценарий.

Интересно, понимают ли создатели сервиса, что позиционируя себя на англоязычные рынки подобной политикой скорее подставляют себя больше, чем если бы политики не было вовсе? Впрочем это уже не предмет этой статьи.

Маркетинг: бесплатный бот без ограничений по количеству расшифровок. Собственная технология распознавания SmartSpeech от SberDevices - никаких внешних провайдеров. 522 000 пользователей - больше чем у всех остальных в обзоре вместе взятых.

Из плюсов, которые нельзя не отметить: это единственный сервис в обзоре, который использует собственную модель распознавания. Аудио не уходит ни в OpenAI, ни в ElevateAI, ни в какой-либо другой внешний сервис - обработка происходит целиком на инфраструктуре Сбера. Для тех, кому критично чтобы данные не уходили за границу - идеально.

Из минусов функциональных (и в данном случае их невозможно не упомянуть): файлы до 8 МБ (обещают увеличить, ранее было 20 МБ), нет разделения по спикерам, нет саммари, нет таймкодов, нет экспорта, из языков только русский и английский (впрочем Буквица и Whisper с иными языками справляются тоже не очень, но хотя бы пытаются). При этом важно понимать, основной фокус сервиса от Сбера явно не телеграм-бот, а API для бизнес-клиентов и интеграция в корпоративные продукты. Бот в Telegram - скорее демо-витрина технологии, чем полноценный продукт для конечного пользователя. Меня бы не убедили, но для меня и их главное конкурентное преимущество скорее главный недостаток, их целевая аудитория совсем иная.

Отдельной политики конфиденциальности для бота нет - пользователь подпадает под общую политику обработки ПД ПАО Сбербанк, ту же что покрывает все их сервисы от мобильного банка до ГигаЧата. Юридические документы SaluteSpeech на developers.sber.ru описывают условия для API и бизнес-клиентов, но не для пользователя телеграм-бота. Данные обрабатываются на серверах Сбера в России, "в полном соответствии с российским законодательством", включая закон Яровой и СОРМ. Для организаций, обязанных хранить данные на территории РФ, это плюс. Для тех, кто хочет чтобы его переговоры не были доступны по запросу без решения суда - это ровно то, от чего хочется уйти.

Бесплатно, работает, все за великой стеной роскомнадзора.

Отдельная страница безопасности на сайте с таблицей сравнения юрисдикций, ссылками на CLOUD Act, закон Яровой и СОРМ. Прямо указано, что аудио может обрабатываться через американских провайдеров распознавания речи, при этом другие документы указывают на европейские endpoints по крайней мере для одного из провайдеров - в любом случае обработка третьими сторонами, в этом плане прозрачно и без иллюзий.

На страницах сайта сервис открыто дистанцируется от российской юрисдикции, подчеркивая применимость исключительно европейских законов.

Документы (Privacy Policy, Terms of Service): Одна версия для всех языков. Регистрация в Нидерландах, инфраструктура в Германии. Файлы удаляются сразу после обработки, тексты расшифровки - через 24 часа. Утверждается, что обучение на пользовательских данных явно выключено у всех провайдеров («Under our agreements with providers, user data is not used for training AI models.») и подписаны DPA. Отдельно прописаны детали для каждого провайдера (а их несколько).

Сервис явно пытается минимально обрабатывать данные, но все равно хранит расшифровки 24 часа для того, чтобы работали доп функции - перевод расшифровок, краткое содержание и тп. Удаление данных через 24 часа - разумный компромисс для безопасности, но плохо для удобства: если вы захотите скачать расшифровку из бота через пару дней или воспользоваться любой доп. функцией по тексту расшифровки - бот выдаст ошибку, данных уже физически нет на сервере. Для тех, кому нужна история расшифровок, например, за месяц - это не подойдет. Придется присылать аудио еще раз, тратить доступные минуты чтобы успеть воспользоваться функциями в течение суток.

Все сервисы выше - даже с европейской юрисдикцией - отправляют ваше аудио на внешние серверы. Для большинства задач это приемлемый компромисс. Но есть ситуации, где любая передача данных за пределы вашего устройства недопустима: адвокатская тайна, журналистские источники, медицинские записи, коммерческие переговоры под NDA. И есть люди которые данные правила соблюдают (ведь есть, правда?).

Для таких случаев и таких людей (памятник вам!) существует локальная расшифровка - модель распознавания работает прямо на вашем компьютере, без интернета, файл никуда не уходит. Нужен достаточно мощный компьютер и навыки выше средних, чтобы все настроить. Качество мультиязычной расшифровки ниже чем у облачных сервисов, нет LLM-функций вроде саммари и перевода - но аудио физически не покидает устройство.

Но если содержимое записи стоит дороже, чем неудобства - это единственный вариант, где вы не полагаетесь на чье-то обещание, а контролируете данные сами. Детальный обзор локальных инструментов выходит за рамки этой статьи, но для самостоятельного изучения: MacWhisper (macOS, от 0 до 60 евро разово), Buzz (Windows/Mac/Linux, бесплатный, open source).

Есть промежуточный путь, о котором редко говорят. Все телеграм-боты для расшифровки под капотом используют API крупных провайдеров: OpenAI, Google, Deepgram, AssemblyAI, ElevenLabs, ElevateAI и подобных. Ничто не мешает подключиться к этим сервисам напрямую, минуя бота.

Почему это может быть разумнее, чем бот: из цепочки выпадает самое слабое звено - оператор бота. Именно он чаще всего является источником риска: маленький бизнес без выделенной безопасности, мотивация монетизировать данные, уязвимость перед запросами из своей юрисдикции. Крупные провайдеры при всех оговорках про CLOUD Act предлагают DPA (Data Processing Agreement), сертификацию SOC 2, прозрачные условия хранения и юридические отделы, которые эти условия защищают. Иронично, но отправить аудио напрямую в OpenAI может быть безопаснее, чем отправить его боту, который сам отправит его в тот же OpenAI.

И еще один существенный плюс: вы сами выбираете провайдера под свою задачу. Нужна расшифровка арабского диалекта - один провайдер. Медицинская терминология на немецком - другой. Провайдеры конкурируют за качество на конкретных языках и задачах, а бот привязан к одному (в лучшем случае двум) и не всегда к лучшему.

Что для этого нужно: зарегистрироваться у провайдера, получить API-ключ, и отправить файл через их интерфейс или простой скрипт. У большинства провайдеров есть веб-интерфейс, где можно загрузить файл без единой строчки кода. Стоимость - в разы дешевле любой подписки на бота.

Минусы: нет привычного интерфейса, нужно разобраться с регистрацией, настройкой и оплатой у зарубежного сервиса. Это вариант не для всех, но для тех, кто готов потратить полчаса на настройку - это сильный компромисс между удобством бота и паранойей локальной расшифровки.

Правда в том, что абсолютному большинству абсолютно плевать на свои персональные данные. Тем единицам, кому это важно - вот порядок от максимальной приватности к минимальной: локальная расшифровка (MacWhisper / Buzz), прямой API провайдера (десятки вендоров), TAK! TEXT, Memo AI, SaluteSpeech, Whisper, Буквица.

Проверьте мелкий шрифт. У всех он разный.