O que é alinhamento forçado? É o casamento de um texto conhecido com uma gravação de áudio para descobrir quando cada palavra é dita. As palavras são dadas de antemão, então o sistema só decide em que ponto do tempo elas caem e não precisa descobrir o que foi dito.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- A entrada é o áudio e o seu texto exato, como um roteiro, o capítulo de um livro ou uma transcrição corrigida.
- A saída é um tempo de início e de fim para cada palavra, o que é mais fino do que os tempos por linha de um arquivo de legenda.
- Se o texto difere do que foi realmente dito, os tempos perto da divergência deixam de ser confiáveis.
- Os usos típicos são destaque ao estilo de karaokê, sincronia de legendas e achar uma frase dentro de uma gravação longa.
Como fica
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}
]
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Como o alinhamento forçado difere da transcrição?
A transcrição descobre as palavras a partir do som. O alinhamento forçado começa com as palavras e descobre apenas a posição delas no áudio, então os erros vêm do tempo, e não do reconhecimento.
O que preciso para executá-lo?
Você precisa da gravação e de um texto que corresponda bem a ela. Quanto mais limpa a correspondência entre fala e texto, melhores os tempos.
O que acontece se o texto tiver erros?
Palavras que não foram ditas, ou que faltam no texto, confundem o alinhamento ao redor delas. Corrija primeiro a transcrição e depois alinhe.
Por que eu iria querer o tempo por palavra?
Ele permite pular para uma palavra falada, destacar o texto durante a reprodução e cortar o áudio em palavras exatas, e não no começo de uma linha.
Posso obter uma transcrição com tempos do bot do Potok?
Pode. As marcações de tempo podem ser ativadas, e você pode exportar SRT ou VTT. Confira os tempos com a reprodução, pois pausas longas e ruído podem deslocá-los.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Forced alignment (Wikipedia), Wikipedia · verificado em
- Speech recognition (Wikipedia), Wikipedia · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram