Was ist Forced Alignment? Es ist der Abgleich eines bekannten Textes mit einer Aufnahme, um zu finden, wann jedes Wort gesprochen wird. Die Wörter sind vorab gegeben, das System bestimmt nur, wo sie zeitlich liegen, und muss nicht herausfinden, was gesagt wurde.
Aufnahme transkribieren
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen
Dateien bis 2 GB · Export als TXT, MD, DOCX, PDF, SRT und VTT · Sprecherkennzeichnung und Zeitmarken · rund 30 Sprachen
Wichtige Fakten
- Eingabe sind Audio und sein exakter Text, etwa ein Skript, ein Buchkapitel oder ein korrigiertes Transkript.
- Ausgabe sind Anfangs- und Endzeit für jedes Wort, das ist feiner als die zeilenweisen Zeiten einer Untertiteldatei.
- Weicht der Text von dem ab, was tatsächlich gesagt wurde, werden die Zeiten nahe der Abweichung unzuverlässig.
- Typische Einsätze sind Hervorhebungen im Karaoke-Stil, das Timing von Untertiteln und das Finden eines Satzes in einer langen Aufnahme.
So sieht es aus
input: audio = reading.wav
text = "the harbour was quiet"
output: [
{"word": "the", "start": 0.42, "end": 0.55},
{"word": "harbour","start": 0.55, "end": 1.02},
{"word": "was", "start": 1.02, "end": 1.21},
{"word": "quiet", "start": 1.21, "end": 1.80}
]
Mehr
Sehen Sie sich die vollständige Liste der Sprachen, die Werkzeuge und das Glossar an.
Häufige Fragen
Wie unterscheidet sich Forced Alignment von Transkription?
Die Transkription findet die Wörter aus dem Ton. Forced Alignment beginnt mit den Wörtern und findet nur ihre Positionen im Audio, Fehler stammen also vom Timing und nicht von der Erkennung.
Was brauche ich dafür?
Sie brauchen die Aufnahme und einen Text, der ihr genau entspricht. Je sauberer Sprache und Text übereinstimmen, desto besser die Zeiten.
Was passiert, wenn der Text Fehler hat?
Wörter, die nicht gesprochen wurden oder im Text fehlen, bringen den Abgleich in ihrer Umgebung durcheinander. Korrigieren Sie zuerst das Transkript und gleichen Sie dann ab.
Wozu brauche ich Zeiten auf Wortebene?
So können Sie zu einem gesprochenen Wort springen, Text während der Wiedergabe hervorheben und Audio an genauen Wörtern schneiden statt am Zeilenanfang.
Bekomme ich vom Bot von Potok ein Transkript mit Zeiten?
Ja. Zeitmarken lassen sich einschalten, und Sie können SRT oder VTT exportieren. Prüfen Sie das Timing an der Wiedergabe, denn lange Pausen und Rauschen können es verschieben.
Quellen
Jede Quelle wurde am angegebenen Datum von Hand geöffnet. Seiten ändern sich, öffnen Sie die Quelle also, wenn Ihnen ein Detail wichtig ist.
- Forced alignment (Wikipedia), Wikipedia · geprüft
- Speech recognition (Wikipedia), Wikipedia · geprüft
Probieren Sie es mit Ihrer eigenen Aufnahme aus
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen