Apa itu deteksi aktivitas suara? Artinya menemukan bagian rekaman yang berisi ucapan dan melewati keheningan serta bising. Detektor memberi label tiap bingkai pendek sebagai ucapan atau bukan ucapan. Segmen ucapan lalu diteruskan, dan jeda dibuang atau diabaikan.
Transkripsikan rekaman
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram
File hingga 2 GB · ekspor ke TXT, MD, DOCX, PDF, SRT, dan VTT · label pembicara dan stempel waktu · sekitar 30 bahasa
Fakta utama
- Detektor sederhana membandingkan keras bingkai dengan sebuah ambang, sedangkan yang lebih kuat memakai model terlatih yang membedakan ucapan dari bunyi lain.
- Memangkas keheningan menghemat waktu dan biaya pemrosesan, karena pengenal tidak perlu membaca bermenit-menit ruangan kosong.
- Deteksi ucapan juga memberi perkiraan waktu mulai dan selesai tiap frasa, yang dapat dipakai ulang langkah berikutnya untuk cue subtitle.
- Kesalahan berjalan dua arah: kata pelan terpotong di awal frasa, atau batuk dan bagian musik dianggap ucapan.
- Detektor yang bekerja pada berkas studio yang tenang bisa gagal di jalanan yang gaduh, karena bising sekeras suara.
Tampilannya
// list silent gaps longer than half a second
ffmpeg -i call.wav -af silencedetect=noise=-30dB:d=0.5 -f null -
// silence_start: 12.4
// silence_end: 15.9 | silence_duration: 3.5
// silence_start: 41.0
// the stretches between these gaps are the speech segments
Selengkapnya
Lihat daftar lengkap bahasa, alat, dan glosarium.
Pertanyaan yang sering diajukan
Mengapa mendeteksi suara sebelum mentranskripsi?
Ini membuang keheningan dan bising, sehingga pengenal bekerja pada ucapan saja. Hal ini mengurangi kemungkinan kata karangan di jeda.
Apakah VAD sama dengan peredam bising?
Tidak. Deteksi menentukan bagian mana yang dipertahankan. Peredam bising mengubah suara di dalam bagian itu. Keduanya bisa dipakai bersama.
Bisakah VAD memotong awal kalimat?
Bisa, ketika pembicara memulai dengan lembut. Sistem yang baik menambahkan margin singkat di sekitar tiap segmen agar bunyi pertama tidak terpotong.
Apakah saya perlu memangkas keheningan sebelum mengirim ke Potok?
Tidak. Kirim rekaman utuh apa adanya, hingga 2 GB. Memangkas hanya membantu memperkecil berkas yang sangat besar.
Bagaimana cara menemukan jeda senyap dalam berkas?
Pakai filter silencedetect di ffmpeg. Ia mencetak awal dan akhir setiap bagian senyap untuk ambang yang Anda pilih.
Sumber
Setiap sumber dibuka secara manual pada tanggal yang tertera. Halaman bisa berubah, jadi buka sumbernya jika ada detail yang penting bagi Anda.
- Voice activity detection (Wikipedia), Wikipedia · diperiksa
- Background noise (Wikipedia), Wikipedia · diperiksa
Coba pada rekaman Anda sendiri
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram