ファイルをここにドラッグ&ドロップ
または ファイルを選択
無料: 1日 {0} ファイル · 各ファイル最大 {1} 分・{2} MB
より大きなファイルや、より多くのアップロードが必要ですか？
無料アカウント：1日5ファイル、最長1時間のファイル
·
Pro: 最長10時間のファイル + 話者ラベル
アップロード中...
このタブを開いたままにしてください — 文字起こしページに自動的に移動します。
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV はサイズの問題であり、品質の問題ではありません
WAVは非圧縮PCMであり、CD品質のステレオ音源は毎分10MB程度の速度で動作します。100MBの匿名制限は、9-10分のステレオ音源 (19分のモノ音源) に適合します。30分の制限に達する前にサイズ制限に達します。無料アカウントでは500MBまで、有料アカウントでは5GBまで制限が拡大されます。
モデルは内部で16kHzモノを聴きます。 だから、ffmpeg -i in.wav -ar 16000 -ac 1 out.flac のようなコマンドは、音声のために損失なしにファイルを約10倍縮小します。 トランスクリプトは同じで出力されます。
スタジオ・フィールド録音からテキストへ
16ビットまたは24ビット、44.1から192kHz、野外レコーダーからの放送用WAV、古いディクタフォンや電話システムで書かれたADPCMまたはμ-law変種など、WAVワークフローで生成されるすべてのデータをここで復号します。高解像度は正確性を増やすことはありません。音声は内部でダウンミックスされリサンプリングされます。しかし、それは悪くはありません。
トランスクリプトのタイムスタンプは常にゼロから始まります: 埋め込み BWF タイムコードは無視されます。WAV がビデオ編集に属する場合は、ここで SRT または VTT を生成し、インポート時にエディタのオフセットを適用します。
よくある質問
圧縮されていないWAVは圧縮されたコピーよりも正確に転写されますか？
測定できません。正確さはコーデックが重要になる前に録音自体によって決まります。マイク距離、ノイズ、クロストークなどです。モデルはどうしてもすべてを 16 kHz モノにダウンサンプリングします。WAVをアップロードしてください。しかし、より良い転写を期待して損失なしのマスターを探すことはしないでください。
WAV ファイルは 30 分以内に 100 MB に達します。なぜですか？
非圧縮の数学: CD 品質のステレオは分当たり約 10 MB です。100 MB は 9-10 分しか持ちません。3 つの方法があります。フリーアカウントで 500 MB に上げるか、モノにダウンミックスしてサイズを半分にするか、16 kHz モノの FLAC に変換するか。分当たり約 1 MB で、モデルの耳と損失なしに同じです。
24ビットと96kHzのスタジオWAVはサポートされていますか？
FFmpeg は 16/24/32 ビット、8 から 192 kHz のビット深さとサンプリングレートをサポートします。内部でリサンプリングされますので、追加の解像度はトランスクリプトに役立たず、アップロードを大きくするだけです。サイズがボトルネックなら、16 ビット/44.1 kHz またはモノコピーを返します。
ステレオとマルチチャネルのWAVはどう扱うのか。
転写前にチャンネルはモノにダウンミックスされます。同じ部屋を持つチャンネルは問題ありませんが、レコーダーが異なる人を別々のチャンネルに置いた場合 (左のlav、右のboom) チャンネルを分割してファイルを別々に転写します。ダウンミックスよりも人ごとのテキストがきれいになります。
放送された WAV (BWF) タイムコードは転写に持ち込まれるのか？
なし — 埋め込み BWF タイムコードとクエーマーカーは無視され、ファイルの上部から 0:00 からトランスクリプトのタイムスタンプが始まります。録画が同期されたビデオ編集のものであれば、SRT または VTT をここにエクスポートして、編集ソフトウェアにインポート時のオフセットを適用させてください。
古いディクタフォンと電話のWAV (ADPCM, µ-law) をサポートしますか？
はい。FFmpeg はディクテーションハードウェアや電話システムで書かれた古い WAV 変種 (ADPCM、μ-law/A-law、GSM) をデコードします。現代の録音よりもエラーが多いと思われます。これらのフォーマットは 8 kHz の狭帯域で、名前や静かなパートはエディタで通過する必要があります。テープを再タイプするよりもまだ良いです。