এই ট্যাবটি খোলা রাখুন - আপনি আপনার ট্রান্সক্রিপ্ট পুনরায় পরিচালিত হবে।
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV একটি আকার সমস্যা, গুণগত মান সমস্যা নয়
ওয়েভ হচ্ছে অসংকোচিত পিসিএম, এবং এটাই একমাত্র বিষয় যা পরিকল্পনা করার জন্য প্রয়োজন: সিডি-গুণমানের স্টেরিও প্রতি মিনিটে ১০ মেগাবাইট চালায়, তাই ১০০ মেগাবাইট নামহীন সীমা প্রায় ৯-১০ মিনিট স্টেরিও (১৯ মোনো)-এর জন্য যথেষ্ট হবে- ৩০ মিনিটের সীমার অনেক আগেই আপনি মাপের সীমায় পৌঁছে যাবেন। একটি ফ্রি অ্যাকাউন্ট ৫০০ মেগাবাইট পর্যন্ত সীমা বাড়িয়ে দেয়, পে-পাওয়ার স্তর ৫ জিবি পর্যন্ত।
WAV ফরম্যাটটি আপলোড করার আগে রূপান্তর করা সত্যিই সাহায্য করে। মডেলটি অভ্যন্তরীণভাবে ১৬ কিলোহার্টজ মোনোতে শুনতে পারে, তাই "ffmpeg -i in.wav -ar ১৬০০০ -ac ১ out.flac" এর মত কমান্ড ফাইলটি দশগুণ ছোট করে, কিন্তু শব্দের উদ্দেশ্যে ক্ষতিহীন অবস্থায় থাকে - ট্রান্সক্রিপ্ট একই রকম বেরিয়ে আসে।
স্টুডিও এবং ফিল্ড রেকর্ডিং থেকে টেক্সট
ওয়াভ ওয়ার্কফ্লোর সবকিছুই এখানে ডিকোড করা হয়: ১৬- বা ২৪- বিট, ৪৪. ১ থেকে ১৯২ কিলোহার্টজ, ক্ষেত্র রেকর্ডার থেকে প্রচারিত ওয়াভ, এবং ADPCM বা µ- আইনের বৈচিত্র্য যা পুরনো ডিক্যাটাফোন এবং ফোন সিস্টেম লিখে। উচ্চ রেজোলিউশন সঠিকতা যোগ করে না - অডিও ডাউনমিক্স করা হয় এবং অভ্যন্তরীণভাবে পুনঃসামপ্লেট করা হয় - কিন্তু এটাও কখনোই ক্ষতি করে না।
ট্রান্সক্রিপ্ট টাইমসটাম্প সবসময় শূন্য থেকে আরম্ভ হয়: অন্তর্ভুক্ত BWF টাইমকোড উপেক্ষা করা হয়। যদি WAV ভিডিও সম্পাদনার অংশ হয়, তাহলে এখানে SRT অথবা VTT তৈরি করুন এবং এটি ইম্পোর্ট করার সময় সম্পাদকের অফসেট প্রয়োগ করুন।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
একটি সংকুচিত কপি থেকে একটি অসংকুচিত WAV কি সঠিকভাবে অনুবাদ করবে?
পরিমাপযোগ্য নয়। সঠিকতা রেকর্ডিং দ্বারা নির্ধারিত হয় - মাইক দূরত্ব, ঝামেলা, ক্রসট্যাক - কোডেকের গুরুত্বের আগে অনেক আগে থেকেই, এবং মডেল সবকিছু ১৬ কিলোহার্টজ মোনোতে নিচে নমুনা করে। আপনার যদি WAV থাকে তবে আপলোড করুন, কিন্তু ভাল ট্রান্সক্রিপ্ট আশা করে lossless master এর জন্য শিকার করবেন না।
আমার WAV ফাইল ৩০ মিনিটের মধ্যে ১০০ মেগাবাইট পরিমাপ অতিক্রম করেছে - কেন?
অসংকোচনহীন গণিত: সিডি-গুণমানের স্টেরিও প্রতি মিনিটে ১০ মেগাবাইট, তাই ১০০ মেগাবাইট মাত্র ৯-১০ মিনিট ধরে রাখে। তিনটি উপায় আছে: একটি ফ্রি অ্যাকাউন্ট ৫০০ মেগাবাইট পর্যন্ত সীমা বৃদ্ধি করে, মোনোতে ডাউনমিক্স করে আকার অর্ধেক করে, অথবা ১৬ কিলোহার্টজ মোনোতে FLAC-এ রূপান্তর করে - প্রতি মিনিটে প্রায় ১ মেগাবাইট এবং নষ্ট না করে মডেলের কানের সাথে একই।
২৪-বিট এবং ৯৬ kHz স্টুডিও WAV কি সমর্থিত?
হ্যাঁ — প্রতিটি বিট গভীরতা এবং নমুনা হার FFmpeg পড়ে: ১৬/২৪/৩২-বিট, ৮ থেকে ১৯২ kHz। তারা অভ্যন্তরীণভাবে পুনরায় নমুনা করা হয়, তাই অতিরিক্ত রেজোলিউশন ট্রান্সক্রিপ্টকে সাহায্য করে না বা ক্ষতি করে না; এটি শুধুমাত্র আপলোডকে বড় করে। যদি আকার বড় হয় তাহলে ১৬-বিট/৪৪.১ kHz বা মোনো কপি বাউন্স করুন।
স্টেরিও এবং মাল্টি-চ্যানেল WAV কিভাবে পরিচালিত হয়?
ট্রান্সক্রিপশনের পূর্বে চ্যানেলগুলো মোনোতে ডাউনমিক্স করা হয়। যখন প্রতিটি চ্যানেল একই রুমে থাকে তখন এটা ঠিক থাকে - কিন্তু যদি আপনার রেকর্ডার বিভিন্ন ব্যক্তিকে পৃথক চ্যানেলে রাখে (বাম দিকে lav, ডানদিকে boom), চ্যানেলগুলো বিভক্ত করে ফাইলগুলো আলাদাভাবে ট্রান্সক্রিপ্ট করুন; আপনি যে কোন ডাউনমিক্সের চেয়ে প্রতি ব্যক্তির জন্য পরিষ্কার টেক্সট পাবেন।
ব্রডকাস্ট WAV (BWF) টাইমকোড কি ট্রান্সক্রিপ্ট-এ প্রবেশ করানো হবে?
না — অন্তর্ভুক্ত BWF টাইমকোড এবং কুই মার্কার উপেক্ষা করা হবে, এবং ট্রান্সক্রিপ্ট টাইমসটাম্প ফাইলের উপর থেকে ০:০০ থেকে শুরু হবে। যদি রেকর্ডিং একটি সমন্বিত ভিডিও সম্পাদনার অন্তর্ভুক্ত হয়, তাহলে SRT অথবা VTT এখানে রপ্তানি করুন এবং আপনার সম্পাদনা সফটওয়্যারকে ইম্পোর্ট করার সময় অফসেট প্রয়োগ করতে দিন।
পুরনো ডিক্যাটাফোন এবং টেলিফোন WAV (ADPCM, µ-law) - সমর্থিত?
হ্যাঁ। FFmpeg legacy WAV বৈচিত্র — ADPCM, µ-law/A-law, GSM — ডিকোড করে যা ডিকশন হার্ডওয়্যার এবং ফোন সিস্টেম লিখে। আধুনিক রেকর্ডের চেয়ে বেশি ভুলের সম্ভাবনা রয়েছে: এই ফরম্যাটগুলো ৮ kHz narrowband, তাই নাম এবং নিরব অংশগুলো সম্পাদকে পাস করা প্রয়োজন। টেপটি আবার টাইপ করা এখনও বেঁচে আছে।