Mag-iwan ng tab na ito bukas — ikaw ay redirect sa iyong transcript.
Field recordersStudio sessions24-bit / 96 kHzDictaphones
WAV ay isang problema sa laki, hindi isang problema sa kalidad
WAV ay uncompressed PCM, at iyon ang isang bagay upang planuhin sa paligid: CD-quality stereo tumatakbo tungkol sa 10 MB bawat minuto, kaya ang 100 MB anonymous cap fits humigit-kumulang 9-10 minuto ng stereo (tungkol sa 19 mono) - ikaw ay pindutin ang laki ng limitasyon mahaba bago ang 30-minuto na isa. Ang isang libreng account ay nagdaragdag ng cap sa 500 MB, bayad na mga antas sa5GB.
Ang modelo ay nakikinig sa 16 kHz mono sa loob, kaya ang isang utos tulad ng "ffmpeg -i in.wav -ar 16000 -ac 1 out.flac" shrinks ang file tungkol sa tenfold habang natili lossless para sa mga layunin ng pagsasalita - ang transcript ay lumalabas na magkapareho.
Mula sa studio at field recordings sa teksto
Lahat ng bagay ng isang WAV workflow ay gumagawa ng decode dito: 16- o 24-bit, 44.1 sa 192 kHz, broadcast WAV mula sa field recorders, at ang ADPCM o µ-batas variants lumang dictaphones at mga sistema ng telepono wrote. Mataas na resolusyon ay hindi magdagdag ng katumpakan - ang audio ay downmixed at resempled panloob - ngunit ito ay hindi kailanman sakit alinman.
Transcript timestamps palaging simulan sa zero: naka-embed na BWF timecode ay hindi pinapansin. Kung ang WAV ay kabilang sa isang video edit, bumuo ng SRT o VTT dito at mag-aplay ng iyong editor ng offset kapag ikaw ay mag-import ito.
Mga madalas itanong na katanungan
Ay isang uncompressed WAV transcribe mas tumpak kaysa sa isang na-compress na kopya?
Hindi masusukat. katumpakan ay nakatakda sa pamamagitan ng pag-record mismo - mic distansya, ingay, crosstalk - mahaba bago ang mga bagay codec, at ang modelo downsamples lahat ng bagay sa 16 kHz mono kahit na. I-upload ang WAV kung iyon ang mayroon ka, ngunit hindi hunting para sa isang lossless master inaasahan ng isang mas mahusay na transcript.
Ang aking WAV hits ang 100 MB limitasyon bago 30 minuto - bakit?
Ang mga ito ay ang mga sumusunod: Uncompressed math: CD-quality stereo ay tungkol sa 10 MB bawat minuto, kaya 100 MB ay may hawak lamang 9-10 minuto. Tatlong paraan out: isang libreng account ay nagdaragdag ng cap sa 500 MB, downmixing sa mono kalahati ang laki, o i-convert sa FLAC sa 16 kHz mono - humigit-kumulang 1 MB bawat minuto at losslessly magkapareho sa mga tainga ng modelo.
Ay 24-bit at 96 kHz studio WAVs suportado?
Oo — bawat bit lalim at sample rate FFmpeg basahin: 16/24/32-bit, 8 sa 192 kHz. Sila ay resempled panloob, kaya ang karagdagang resolution ay hindi tumutulong o sakit ang transcript; ito lamang ang gumagawa ng mas malaki ang upload. Bumalik sa isang 16-bit / 44.1 kHz o mono kopya kung ang laki ay ang bottleneck.
Paano stereo at multi-channel WAVs hawakan?
Ang mga channel ay downmixed sa mono bago ang transcription. Na okay kapag ang bawat channel ay nagdadala ng parehong kuwarto - ngunit kung ang iyong recorder ilagay ang iba't ibang mga tao sa hiwalay na channel (lav kaliwa, boom karapatan), hatiin ang mga channel at transcribe ang mga file nang hiwalay; ikaw ay makakuha ng mas malinis na teksto sa bawat tao kaysa sa anumang downmix.
Ang broadcast WAV (BWF) timecode ay nagdadala sa transcript?
Hindi — ang naka-embed na BWF timecode at cue marker ay hindi pinapansin, at ang mga timestamp ng transcript ay nagsisimula sa 0:00 mula sa tuktok ng file. Kung ang pag-record ay kabilang sa isang naka-sync na video edit, i-export ang SRT o VTT dito at hayaan ang iyong software sa pag-edit na ilapat ang offset sa pag-import.
Lumang dictaphone at telepono WAVs (ADPCM, µ-batas) - suportado?
Oo. FFmpeg decodes ang mga minana WAV variants — ADPCM, µ-batas / A-batas, GSM — na dictation hardware at mga sistema ng telepono wrote. Inaasahan ng higit pang mga error kaysa sa isang modernong recording: ang mga format ay 8 kHz narrowband, kaya pangalan at tahimik na mga pasahe kailangan ng isang pass sa editor. Pa rin beats retyping ng isang tape.