Cos'è il rilevamento dell'attività vocale? Significa trovare le parti di una registrazione che contengono parlato e saltare silenzio e rumore. Un rilevatore etichetta ogni breve fotogramma come parlato o non parlato. I segmenti di parlato vengono poi passati avanti, e le pause vengono scartate o ignorate.
Trascrivi una registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram
File fino a 2 GB · esportazione in TXT, MD, DOCX, PDF, SRT e VTT · etichette dei parlanti e marcatori temporali · circa 30 lingue
Punti chiave
- I rilevatori semplici confrontano il volume di un fotogramma con una soglia, mentre quelli più forti usano un modello addestrato che distingue il parlato dagli altri suoni.
- Tagliare il silenzio fa risparmiare tempo e costi di elaborazione, dato che il riconoscitore non legge minuti di una stanza vuota.
- Il rilevamento del parlato dà anche un tempo approssimativo di inizio e fine per ogni frase, che i passaggi successivi possono riusare per i segmenti dei sottotitoli.
- Gli errori vanno in due direzioni: una parola debole tagliata all'inizio di una frase, oppure un colpo di tosse o un passaggio musicale trattato come parlato.
- Un rilevatore che funziona su un file da studio silenzioso può fallire in una strada rumorosa, dove il rumore è forte come la voce.
Che aspetto ha
// 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
Altro
Vedi l'elenco completo delle lingue, gli strumenti e il glossario.
Domande frequenti
Perché rilevare la voce prima di trascrivere?
Rimuove silenzio e rumore, così il riconoscitore lavora solo sul parlato. Questo riduce la probabilità di parole inventate nelle pause.
Il VAD è la stessa cosa della riduzione del rumore?
No. Il rilevamento decide quali parti tenere. La riduzione del rumore cambia il suono dentro le parti. I due si possono usare insieme.
Il VAD può tagliare l'inizio di una frase?
Sì, quando chi parla comincia piano. I buoni sistemi aggiungono un breve margine attorno a ogni segmento per evitare di troncare il primo suono.
Devo tagliare il silenzio prima di inviare a Potok?
No. Invia la registrazione completa così com'è, fino a 2 GB. Tagliare serve solo a ridurre un file molto grande.
Come trovo le pause silenziose in un file?
Usa il filtro silencedetect di ffmpeg. Stampa l'inizio e la fine di ogni sezione silenziosa per la soglia che scegli.
Fonti
Ogni fonte è stata aperta a mano alla data indicata. Le pagine cambiano, quindi apri la fonte se un dettaglio è importante per te.
- Voice activity detection (Wikipedia), Wikipedia · verificata
- Background noise (Wikipedia), Wikipedia · verificata
Provalo sulla tua registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram