Nie zamykaj tej karty — nastąpi przekierowanie do transkrypcji.
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV to problem wielkości, nie problem jakości
WAV jest niekompresowany PCM, a to jest jedna rzecz do planowania wokół: CD-jakość stereo działa około 10 MB na minutę, więc 100 MB anonimowy kapsla pasuje do około 9-10 minut stereo (około 19 mono) - trafisz do limitu rozmiaru długo przed 30-minutowym. Darmowe konto podnosi kapsla do 500 MB, płacone poziomy do 5 GB.
WAV jest również jedynym formatem, w którym konwersja przed przesłaniem rzeczywiście pomaga. Model słucha przy 16 kHz mono wewnętrznie, więc polecenie jak "ffmpeg -i in.wav -ar 16000 -ac 1 out.flac" zmniejsza plik około dziesięć razy, a pozostanie bez utraty do celów mowy – transkrypta wychodzi identycznie.
Od nagrań studiów i nagrań polowych do tekstu
Wszystko co produkuje przepływ roboczy WAV, jest tutaj dekodowane: 16- lub 24-bitowe, 44.1 do 192 kHz, transmitowane WAV z rejestratorów pola, oraz ADPCM lub μ-prawa warianty starych diktafonów i systemów telefonicznych. Wysoka rozdzielczość nie dodaje dokładności – dźwięk jest zmniejszony i przezorowany wewnętrznie – ale to nie boli również.
Czasowe emblemy transcriptu zawsze zaczynają się od zera: wbudowany BWF czasowy kod jest ignorowany. Jeśli WAV należy do edycji wideo, generuj tutaj SRT lub VTT i przy importowaniu go nakładaj na odłamek edytora.
Często zadawane pytania
Czy niekompresowany WAV transkryptuje się dokładniej niż skompresowana kopia?
Nie zmierza do pomiaru. Dokładność jest ustawiona przez nagranie – odległość mikrofonowa, hałas, przemówienie – długo przed znaczeniem kodeku, a model obniża wszystko do 16 kHz mono. Wyślij WAV, jeśli to jest to, co masz, ale nie poluj na bez strat mistrza oczekujący lepszy transkrypt.
Mój WAV trafia do limitu 100 MB przed 30 minutami — dlaczego?
Niekompresowana matematyka: stereo jakości CD to około 10 MB na minutę, więc 100 MB posiada tylko 9-10 minut. Trzy wyjścia: bezpłatne konto podnosi kapsla do 500 MB, zmiksuje do monopołowy rozmiaru lub przekonwertuje do FLAC przy 16 kHz mono - około 1 MB na minutę i bez strat identyczne z uszami modelu.
Czy obsługiwane są 24-bitowe i 96 kHz studio WAVs?
Tak — każda bitowa głębokość i szybkość próbki FFmpeg czyta: 16/24/32-bit, 8 do 192 kHz. Są one pobierane wewnętrznie, więc dodatkowa rozdzielczość nie pomaga ani nie szkodzi transkrypcji; po prostu sprawia, że przesyłka jest większe. Odbijając 16-bit/44.1 kHz lub kopię mono, jeśli rozmiar jest wąskim wąskim.
Jak zarządza się stereo i wielokanałowymi WAV?
Kanały są zmieszane do mono przed transkrypcją. To w porządku, gdy każdy kanał posiada ten sam pokój - ale jeśli twój rejestrator umieścił różne osoby na oddzielnych kanałach (lav lewa, boom prawy), podziel kanały i transkrypcję plików oddzielnie; otrzymasz czystszy tekst na osobę niż każdy obniżony mix.
Czy transmisja WAV (BWF) przenosi czas do transkrypcji?
Nie – wbudowane markery czasowe BWF i znaki sygnałowe są ignorowane, a czasowe oznaki transkryptu zaczynają się o godzinie 0:00 od góry pliku. Jeśli nagranie należy do zsynchronizowanej edycji wideo, eksportuj tutaj SRT lub VTT i pozwól, aby oprogramowanie edytorskie stosowane było odsetkiem przy importie.
Stare dyktafony i telefonia WAV (ADPCM, μ-law) – wspierane?
Tak. FFmpeg dekoduje spuścizny warianty WAV – ADPCM, μ-law/A-law, GSM – który zapisał dyktowanie sprzętu i systemy telefoniczne. Oczekuj więcej błędów niż nowoczesny nagranie: te formaty to 8 kHz wąskoband, więc nazwy i ciche pasywa potrzebują przejść w edytorze. Nadal pokonuje powtórne nagranie.