Реально ли распознать речь и перевести её в текстовый формат, чтобы не пришлось переписывать всё руками?
Сейчас перевести запись диктофона в текст или извлечь его из видео не проблема. Это делается при помощи сервиса Speech2text. Там всё достаточно просто реализовано, буквально в несколько кликов. Так что можете пользоваться по мере необходимости.