WAV ကိုစာသားသို့ပြောင်းပါ

Uncompressed audio, transcribed free. စတူဒီယိုအစည်းအဝေးများ, နယ်မြေမှတ်တမ်းတင်, အဟောင်း dictaphone files တွေကို — the WAV drop, the text edit, export.

မှတ်ပုံတင်ခြင်းမရှိပါ ရေတံဆိပ်မရှိ TXT · SRT · VTT တင်ပို့ 24h တွင်ဖိုင်များကိုအလိုအလျောက်-ဖျက်ပစ်
ဖိုင်ကိုဒီနေရာသို့ဆွဲချပါ
သို့မဟုတ် ဖိုင်များကိုရှာဖွေ
အခမဲ့: {0} ဖိုင်များကိုတစ်နေ့လျှင် ·အထိ {1} မိနစ် & {2} MB တစ်ခုချင်းစီ

ပိုကြီးတဲ့ဖိုင်တွေ၊ တင်တာတွေများများ? အခမဲ့အကောင့်:5ဖိုင်များ / တစ်နေ့, 1-နာရီဖိုင်များ · Pro: 10-နာရီဖိုင်များ + speaker labels

0%
တင်နေသည်...
ဒီ tab ကိုဖွင့်ထား - သင်သည်သင်၏ transcript သို့ပြန်ညွှန်ကြားခံရလိမ့်မည်။
Field recordersStudio sessions24-bit / 96 kHzDictaphones

WAV ဟာ အရွယ်အစား ပြဿနာဖြစ်ပြီး အရည်အသွေး ပြဿနာမဟုတ်ပါ

WAV uncompressed PCM ဖြစ်ပါသည်, နှင့်တစ်ပတ်လည်စီမံကိန်းတစ်ခုခုဖြစ်ပါတယ်: CD-အရည်အသွေးစတီရီယိုအကြောင်းကို runs 10 MB တစ်မိနစ်လျှင်, ထိုသို့ 100 MB အမည်မဲ့ခေါင်းအုံးအနည်းငယ် fits 9-10 စတီရီယိုမိနစ် (အကြောင်းကို 19 mono) - သင် 30-မိနစ်တစ်ခုအကြာကအရွယ်အစားကန့်သတ်ချက်ကိုတိုက်ရိုက်.

WAV သည်လည်း upload လုပ်ခြင်းမပြုမီပြောင်းလဲခြင်းသည်အမှန်တကယ်ကူညီပေးသည်ဟုဆိုသောတစ်ခုတည်းသောပုံစံဖြစ်သည်။ ဤမော်ဒယ်သည် 16 kHz mono ကိုအတွင်းပိုင်းတွင်နားထောင်သည်။ ထို့ကြောင့် "ffmpeg -i in.wav -ar 16000 -ac 1 out.flac" ကဲ့သို့သောအမိန့်တစ်ခုသည်စကားပြောရည်ရွယ်ချက်များအတွက် lossless ရှိနေစဉ်ဖိုင်ကိုဆယ်ဆတိုးချဲ့သည်။

စတူဒီယိုနှင့် field recordings မှ စာသားသို့

အားလုံးအ WAV အလုပ်လုပ်ပုံကိုဒီမှာ decodes ထုတ်လုပ်: 16-သို့မဟုတ် 24-bit ကို, 44.1 192 kHz, နယ်မြေမှတ်တမ်းတင်မှထုတ်လွှင့် WAV, နှင့် ADPCM သို့မဟုတ် µ-ဥပဒေအမျိုးအစားအဟောင်း dictaphones နှင့်ဖုန်းစနစ်များရေးသားခဲ့သည်။ မြင့်မားသော resolution ကိုတိကျမှုမထည့်သွင်းပါဘူး - အသံ downmixed ဖြစ်ပြီးအတွင်းပိုင်း resampled ဖြစ်ပါတယ်။ ဒါပေမဲ့ဒါဟာဘယ်တော့မှနာကျင်စေခြင်းငှါ.

ရိုက်ကူးချက် ကာလမှတ်တမ်းများ လုံးဝ သုညတွင် စတင်သည်: ထည့်သွင်းထားသော BWF အချိန်ကုဒ်ကို လျစ်လျူရှုသည်။ WAV သည် ဗီဒီယို တည်းဖြတ်မှုတစ်ခုတွင် ပါဝင်ပါက SRT သို့မဟုတ် VTT ကို ဤနေရာတွင် ထုတ်လုပ်ပြီး သင် သွင်းယူသောအခါ သင့်တည်းဖြတ်သူ၏ ပြောင်းပြန်ကို အသုံးပြုပါ။

မေးလေ့ရှိသောမေးခွန်းများ

ဖိသိပ်မထားသော WAV သည် ဖိသိပ်ထားသော ပုံနှိပ်စာထက် ပိုမိုတိကျစွာ ဘာသာပြန်မည်လား။
တိုင်းတာမရ. တိကျမှုမှတ်တမ်းတင်ခြင်းကိုယ်ပိုင်အားဖြင့်သတ်မှတ်ထားသည် - mic အကွာအဝေး, အသံ, crosstalk - codec ကိုကိစ္စများမတိုင်မီကြာ, နှင့်ပုံစံ downsamples 16 kHz mono အားလုံးအဘယ်သူမျှမ. သင်ရှိသည်ဆိုပါက WAV ကို upload လုပ်ပါ, ဒါပေမယ့်ပိုကောင်း transcript ကိုမျှော်လင့် lossless မန်နေဂျာအတွက် hunt မ.
30 မိနစ်အလိုတွင်ကျွန်ုပ်၏ WAV သည် 100 MB အထိရောက်ရှိသွားသည်—ဘာကြောင့်လဲ?
Uncompressed သင်္ချာ: CD-အရည်အသွေးစတီရီယိုအကြောင်းကိုဖြစ်ပါသည် 10 MB တစ်မိနစ်လျှင်, ဒါကြောင့် 100 MB ကိုသာ 9-10 မိနစ်များပိုင်ဆိုင်. သုံးလမ်းထွက်: အခမဲ့အကောင့်ကို 500 MB ကိုခေါင်းကိုတက်, mono ကို downmixing အရွယ်အစားကိုတစ်ဝက်, သို့မဟုတ် 16 kHz mono မှာ FLAC သို့ပြောင်းရွှေ့ - ပျမ်းမျှ 1 MB တစ်မိနစ်လျှင်နှင့် losslessly မော်ဒယ်၏နားရွက်ကိုတူညီ.
24-bit နဲ့ 96 kHz စတူဒီယို WAVs ကိုထောက်ခံကြသလား?
ဟုတ်ကဲ့ - အားလုံး bit အနက်နှင့် sample rate ကို FFmpeg ဖတ်ရှု: 16/24/32-bit ကို, 8 မှ 192 kHz ကို။ သူတို့ကအတွင်းပိုင်း resampled နေကြတယ်, ဒါကြောင့်အပို resolution ကို transcript ကိုကူညီသို့မဟုတ်နာကျင်စေခြင်းငှါ; ဒါဟာ upload ကိုကြီးမားစေသည်. အရွယ်အစား bottleneck ဖြစ်လျှင် 16-bit / 44.1 kHz သို့မဟုတ် mono copy ကို bounce ။
stereo နှင့် multi-channel WAVs များကို ဘယ်လိုကိုင်တွယ်ပါသလဲ
Channels are downmixed to mono before transcription. အားလုံး channels တူညီတဲ့အခန်းကိုဆောင်ကြဉ်းသောအခါဒါဟာကောင်းပါတယ် - ဒါပေမယ့်သင့်ရဲ့ recorder ကိုကွဲပြားခြားနားသော channels များပေါ်တွင်ကွဲပြားခြားနားသောလူတွေထည့်သွင်းလျှင် (lav left, boom right), channels တွေကိုခွဲပြီးဖိုင်များကိုသီးခြား transcribe; သင်မည်သည့် downmix ထက်လူတစ်ဦးလျှင်ပိုမိုသန့်ရှင်းသောစာသားရလိမ့်မယ်။
ထုတ်လွှင့် WAV (BWF) timecode ကို transcript ထဲသို့ဆောင်ကြဉ်းပါသလား?
ဟုတ်ကဲ့ — embedded BWF timecode နှင့် cue markers များကိုလျစ်လျူရှုကြသည်, နှင့် transcript ၏အချိန်စတင်ချိန် 0:00 မှဖိုင်၏ထိပ်မှစတင်. မှတ်တမ်းတင်ခြင်း synced ဗီဒီယိုတည်းဖြတ်ပိုင်ဆိုင်လျှင်, ပို့ဆောင် SRT သို့မဟုတ် VTT ဒီမှာနှင့်သင်၏တည်းဖြတ်ဆော့ဖ်ဝဲကိုတင်သွင်းအပေါ် offset ကိုလျှောက်ထားစေခြင်းငှါ.
အဟောင်း dictaphone နှင့်ဖုန်း WAVs (ADPCM, µ-ဥပဒေ) - ထောက်ခံ?
ဟုတ်ကဲ့. FFmpeg အမွေအနှစ် WAV အမျိုးအစားများကို decodes - ADPCM, µ-ဥပဒေ / A-ဥပဒေ, GSM - ဤ dictation ဟာ့ဒ်ဝဲနှင့်ဖုန်းစနစ်များရေးသားခဲ့သည်. ခေတ်မီမှတ်တမ်းတင်ထက်ပိုပြီးအမှားတွေမျှော်လင့်: ထို formats များမှာ 8 kHz narrowband, ထို့ကြောင့်အမည်များနှင့်တိတ်ဆိတ် passages editor ထဲမှာတစ်ဦး pass ကိုလိုအပ်.