Држи го ова отворено. Ќе бидеш пренасочен во твојот препис.
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV е проблем со големината, а не проблем со квалитетот
WAV е некомпресивен PCM, и тоа е една работа за планирање на околу: CD-квалитет стерео работи околу 10 MB во минута, така што анонимниот капач од 100 MB одговара на околу 9-10 минути стерео (околу 19 моно) — ќе го достигнете лимитот на големината долго пред 30-минутната.
WAV е исто така единствениот формат во кој претворањето пред да се внесе навистина помага. Моделот слуша на 16 kHz моно внатрешно, така што команда како „ffmpeg - i in.wav -ar 16000 -ac 1 out.flac“ ја намалува датотеката околу десетпати додека останува без губење за целите на говорот — идентичен е преписот.
Од студио и теренски снимки до текст
Се што произведува WAV работниот процес тука е декодирано: 16- или 24-битна, 44.1 до 192 kHz, емитува WAV од теренските снимачи, и ADPCM или μ-законските варијанти напишани стари диктами и телефонски системи.
Временските знаци на преписот секогаш почнуваат од нула: вградениот BWF временски код се игнорира. Ако WAV припаѓа на уредување на видеото, генерирајте го SRT или VTT тука и примени го офсетот на вашиот уредувач кога ќе го внесете.
Често поставувани прашања
Дали некомпресиран WAV ќе препише попрецизно од компресирана копија?
Прецизноста е поставена од самата снимка — микродистанца, бучава, преговор — многу пред да биде значаен кодекот, а моделот спушта се до 16 кгHz моно.
Мојот WAV го достигнува границата од 100 MB пред 30 минути — зошто?
Некомпресирана математика: стерео од CD-квалитет е околу 10 MB во минута, па 100 MB содржи само 9-10 минути. Три начини за излез: бесплатна сметка го зголемува капакот на 500 MB, спуштајќи ја до монофицирана големина или конвертирајки го во ФЛАЦ при 16 kHz моно - приближно 1 MB во минута и без загуба идентични со ушите на моделот.
Дали 24-битните и 96 кХз студио WAVs се поддржани?
Да — секоја битна длабочина и стапка на примерок FFmpeg гласи: 16/24/32-бит, 8 до 192 kHz. Тие се рекомендирани внатрешно, па затоа дополнителната резолуција не помага ниту го повредува транскриптот; само го прави качувањето поголемо.
Како се управуваат со стерео и повеќеканалните WAV-ови?
Каналите се спуштаат на моно пред транскрипцијата. Тоа е во ред кога секој канал носи иста соба — но ако вашиот снимач стави различни луѓе на одделни канали (лав лево, бум десно), ги подели каналите и ги оневозможи датотеките одделно; ќе добиете почист текст по човек од било која миксета.
Дали емитувањето на WAV (BWF) временски код носи во транскриптот?
Не — вградените BWF временски код и знаци се игнорираат, а временските знаци на преписот почнуваат од врвот на датотеката од 0:00. Ако снимката припаѓа на синхронизирано уредување на видеото, изнеси го SRT или VTT тука и дозволи твојот софтвер за уредување да го примени офсетот при внесувањето.
Стариот диктатифон и телефонски WAV (АДПЦМ, μ-закон) — поддржан?
Да. FFmpeg ги декодира остарените WAV варијанти — ADPCM, μ-лав/A-лав, GSM — кои го напишала хардверот за диктација и телефонски системи. Очекувај повеќе грешки од модерната снимка: овие формати се 8 kHz тесен бенд, па на имињата и тивките пасуси им треба пролаз во уредникот.