Držite ovu karticu otvorenu - bit ćete preusmjereni na vaš transkript.
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV je problem veličine, a ne kvaliteta
WAV je nekomprimirani PCM, i to je jedna stvar oko koje treba planirati: CD-kvalitetni stereo radi oko 10 MB po minuti, tako da anonimno ograničenje od 100 MB odgovara otprilike 9-10 minuta stereo (oko 19 mono) — doći ćete do ograničenja veličine mnogo prije 30-minutnog.
WAV je također jedan format gdje konverzija prije uploada stvarno pomaže. Model sluša na 16 kHz mono interno, tako da naredba poput "ffmpeg -i in.wav -ar 16000 -ac 1 out.flac" smanjuje datoteku oko deset puta dok ostaje bez gubitaka za govorne svrhe — transkript izlazi identičan.
Od studijskih i terenskih snimaka do teksta
Sve što WAV radni tok proizvodi se ovdje dekodira: 16- ili 24-bit, 44.1 do 192 kHz, emitiranje WAV-a iz terenskih snimača, i ADPCM ili µ-law varijante koje su stari diktafoni i telefonski sistemi napisali.
Vremenski pečat transkripcije uvijek počinje sa nulom: ugrađeni BWF vremenski kod se ignorira. Ako WAV pripada video uređivanju, generirajte SRT ili VTT ovdje i primijenite offset vašeg editora kada ga uvozite.
Često postavljana pitanja
Da li će nekomprimirani WAV transkribirati preciznije od komprimirane kopije?
Ne može se mjeriti. Preciznost je postavljena od strane samog snimanja - udaljenost mikrofona, šum, prekoračenje - mnogo prije nego što je kodek važan, a model svejedno sve snižava na 16 kHz mono. Upload WAV ako to imate, ali ne tražite master bez gubitaka očekujući bolji transkript.
Moj WAV dostiže 100 MB ograničenje prije 30 minuta - zašto?
Nekomprimirana matematika: CD-kvalitetni stereo je oko 10 MB po minuti, tako da 100 MB drži samo 9-10 minuta.Tri načina: besplatni račun podiže ograničenje na 500 MB, downmixing na mono prepolovljuje veličinu, ili konvertira u FLAC na 16 kHz mono - otprilike 1 MB po minuti i bez gubitaka identičan modelu ušima.
Da li su podržani 24-bitni i 96 kHz studio WAV-ovi?
Da — svaka bitna dubina i brzina uzorkovanja FFmpeg-a glasi: 16/24/32-bit, 8 do 192 kHz. Oni su interno ponovno uzorkovani, tako da dodatna rezolucija ne pomaže niti šteti transkriptu; samo čini upload većim. Odskoči 16-bit/44.1 kHz ili mono kopiju ako je veličina usko grlo.
Kako se upravlja stereo i višekanalnim WAV-ovima?
Kanali se prije transkripcije downmixuju u mono. To je u redu kada svaki kanal nosi istu prostoriju - ali ako vaš snimač stavlja različite ljude na odvojene kanale (lav lijevo, boom desno), podijelite kanale i transkribirajte datoteke odvojeno; dobit ćete čistiji tekst po osobi nego bilo koji downmix.
Da li se vremenski kod emitiranja WAV (BWF) prenosi u transkript?
Ne — ugrađeni BWF vremenski kod i markeri cue se ignoriraju, a vremenski pečat transkripta počinje na 0:00 od vrha datoteke. Ako snimak pripada sinkroniziranoj video editiranju, izvozite SRT ili VTT ovdje i pustite da vaš softver za uređivanje primijeni offset prilikom uvoza.
Stari diktofon i telefonski WAV-ovi (ADPCM, µ-law) — podržani?
Da. FFmpeg dekodira naslijeđene WAV varijante — ADPCM, µ-law/A-law, GSM — koje su hardver za diktiranje i telefonski sistemi napisali. Očekujte više grešaka nego kod modernih snimaka: ti formati su 8 kHz uskog pojasa, tako da imena i tihi dijelovi trebaju proći u editoru. Još uvijek je bolje nego ponovno tipkanje trake.