Bu täbi aç sakla — siz öz transkriptiňize dolanyp gelersiňiz.
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV bir ululyk meselesi, hiliň meselesi däl
WAV gysmasyz PCM, we bu planlaşdyrmaly bir zat: CD-quality stereo runs about 10 MB per minute, so the 100 MB anonymous cap fits about 9-10 minutes of stereo (about 19 mono) — you'll hit the size limit long before the 30-minute one. A free account raises the cap to 500 MB, paid tiers to 5 GB.
WAV hemme zadyň öňe äkitmekden öňe öwürmekden örän peýdaly bir format. Model 16 kHz monoda içlikde diňleýär, şuňa görä "ffmpeg -i in.wav -ar 16000 -ac 1 out.flac" ýaly bir buýruk faýly on gezek gysgaldyp söz üçin ýitirmezlikde galdyrýar — transkript birmeňzeş çykýar.
Studiýa we meýdança ýazgylardan metinlere
WAV iş akymy çykarýan her bir zat şu ýerde dekodirlenýär: 16- ýa 24- bit, 44.1 to 192 kHz, field recorders' broadcast WAV, and the ADPCM or µ-law variants old dictaphones and phone systems wrote. High resolution does not add accuracy - the audio is downmixed and resempled internally - but it never hurts either.
Transkript wagt möhürleri her wagt sıfrdan başlar: özüne gömlen BWF wagt ködi gözden düşürilýär. Eger WAV bir video editinden gelse, SRT ýa VTT şu ýerde döredip we ony daşalanda editçiň offsetini ullan.
Köp soralýan soraglar
Sykmadyk WAV sykmadyk nusgadan has dogry translitr edermi?
Ulanyjylar üçin ölçemek mümkin däl. Dogrylyk ýazgy bilen özi kesgitlenýär - mikrofon uzaklyk, gürleşik, aragatnaşyk - kodekden öň, we model her zady 16 kHz monoa aşak ölçeýär. Eger WAV bar bolsa ýükle, emma has gowy transkripti umyt edip ýitirmez mastery gözleme.
Meniň WAV-ym 30 minutdan öň 100 MB çäkine ýetdi - näme üçin?
Sykylmadyk matematika: CD-quality stereo is about 10 MB per minute, so 100 MB only holds 9-10 minutes. Three ways out: an free account raises the cap to 500 MB, downmixing to mono halfs the size, or convert to FLAC at 16 kHz mono - about 1 MB per minute and losslessly identical to the model's ears.
24-bit we 96 kHz studiýa WAV'ler goldanyýarmy?
Eýsem — her bir bit çuňlugy we nusga çalşyryş FFmpeg okaýar: 16/24/32-bit, 8 to 192 kHz. Olar içerden täzeden nusgalanypdyr, şonuň üçin eksersiýal çözüwlik transkripte hiç kömek etmeýär ýa-da zyýan ýetirmeýär; ol diňe ýükleme uly edýär. Eger ululyk bökdenç bolsa 16-bit/44.1 kHz ýa-da mono nusgany öwür.
Stereo we köp kanally WAV'ler nädip işlenilip bilner?
Kanallar transkripsiýadan öň monoa downmix edilipdir. Bu her bir kanal bir otagy göterende gowy - emma eger rekorderiňiz dürli adamlary tapawutlanan kanallar (solda lav, sagda boom) içinde goýsa, kanallary bölüp we faýllary tapawutlap transkripsiýa et; siz her bir adam üçin her downmixden has arassa metin alarsyňyz.
Broadcast WAV (BWF) timecode into the transcript?
Haýal däl — BWF wagtkod we cue markalary göz öwürilýär we transkriptiň wagt möhürleri faýlyň başyndan 0:00 başlar. Eger ýazgy bir synchro video editiň ait bolsa, SRT ýa VTT şu ýerde eksport et we edit programiň import etmekde offset ulanmaklyga izin ber.
Eski diktator we telefon WAV'ler (ADPCM, µ-law) - goldanylýarmy?
Eý. FFmpeg diktafon we telefon sistemleri ýazan WAV çeşmelerini dekodirleýär - ADPCM, µ-law/A-law, GSM. Zamanlaýyn ýazgydan has köp hatalary umyt ediň: bu formatlar 8 kHz darband, şonuň üçin atlar we sessiz geçişler redaktorda geçmeli. Hala tapeni tekrar yazmakdan beterdir.