O que é taxa de amostragem? É quantas vezes por segundo um sinal de áudio é medido, em hertz. Uma taxa mais alta captura sons mais agudos. 16 kHz é comum para fala e 44.1 kHz para música. Cada medição é uma amostra, então uma taxa mais alta também significa mais dados por minuto.
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
- Uma gravação guarda frequências até a metade da sua taxa de amostragem, então 16 kHz cobre sons até 8 kHz, o que inclui a maior parte da voz humana.
- As chamadas de voz costumam usar taxas mais estreitas do que a música, e por isso uma ligação soa mais abafada do que uma gravação de estúdio.
- Aumentar a taxa de um arquivo existente não acrescenta detalhe; só repete o que já foi capturado e deixa o arquivo maior.
- Áudio mono sem compressão a 16 kHz e 16 bits ocupa 32000 bytes por segundo, cerca de 1.9 MB por minuto.
- Taxa de amostragem não é taxa de bits: a primeira conta medições por segundo, a segunda conta bits de dados por segundo depois de qualquer compressão.
Como fica
// read the rate of a file
ffprobe -hide_banner talk.wav
// Stream #0:0: Audio: pcm_s16le, 44100 Hz, stereo
// make a 16 kHz mono copy for speech
ffmpeg -i talk.wav -ar 16000 -ac 1 talk_16k.wav
// size per second: 16000 samples x 2 bytes x 1 channel = 32000 bytes
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Qual é a melhor taxa de amostragem para fala?
Para fala, 16 kHz é comum e suficiente. A música usa 44.1 kHz ou mais para alcançar os sons mais agudos, de que a voz não precisa.
Devo converter minha gravação para 16 kHz antes de enviar?
Não é obrigatório. Envie como está. Baixar a taxa só serve para reduzir um arquivo muito grande.
Uma taxa de amostragem maior melhora a transcrição?
Não além de certo ponto. O conteúdo da fala fica bem abaixo de 8 kHz, então uma fala clara e pouco ruído ajudam muito mais do que uma taxa extra.
O que acontece se a taxa for baixa demais?
Sons agudos, como as letras s e t, se perdem, e a fala fica abafada e sem brilho, o que facilita confundir palavras.
Onde encontro a taxa do meu arquivo?
Rode o ffprobe nele ou abra as propriedades em um player de mídia. A linha do fluxo de áudio mostra a taxa em Hz ao lado dos canais.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Sampling (signal processing) (Wikipedia), Wikipedia · verificado em
- Bit rate (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