Ses etkinliği algılama nedir? Kaydın konuşma içeren bölümlerini bulmak, sessizliği ve gürültüyü atlamak demektir. Bir algılayıcı her kısa kareyi konuşma ya da konuşma değil diye etiketler. Konuşma parçaları sonraki adıma aktarılır, boşluklar ise atılır ya da yok sayılır.
Bir kaydı metne çevirin
Sesli mesajınızı, ses veya video dosyanızı Telegram'da @potok_now_bot hesabına gönderin, metin sohbete geri gelsin.
@potok_now_bot hesabını Telegram'da aç
2 GB'a kadar dosyalar · TXT, MD, DOCX, PDF, SRT ve VTT olarak dışa aktarma · konuşmacı etiketleri ve zaman damgaları · yaklaşık 30 dil
Temel bilgiler
- Basit algılayıcılar bir karenin yüksekliğini bir eşikle karşılaştırır; daha güçlü olanlar ise konuşmayı diğer seslerden ayıran eğitilmiş bir model kullanır.
- Sessizliği kırpmak işlemde zaman ve maliyet kazandırır; çünkü tanıyıcı boş bir odanın dakikalarını okumaz.
- Konuşma algılama, her cümle için kabaca bir başlangıç ve bitiş zamanı da verir; sonraki adımlar bunu altyazı parçaları için yeniden kullanabilir.
- Hatalar iki yönde olur: bir cümlenin başında kesilen sessiz bir sözcük ya da konuşma sayılan bir öksürük veya müzik bölümü.
- Sessiz bir stüdyo dosyasında çalışan bir algılayıcı gürültülü bir sokakta başarısız olabilir; çünkü gürültü sesle aynı yüksekliktedir.
Nasıl görünür
// 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
Daha fazlası
Dillerin tam listesine, araçlara ve sözlüğe bakın.
Sık sorulan sorular
Yazıya dökmeden önce sesi neden algılarız?
Sessizliği ve gürültüyü kaldırır; böylece tanıyıcı yalnızca konuşma üzerinde çalışır. Bu, boşluklarda uydurma sözcük çıkma olasılığını azaltır.
VAD ile gürültü azaltma aynı şey midir?
Hayır. Algılama, hangi bölümlerin tutulacağına karar verir. Gürültü azaltma, bölümlerin içindeki sesi değiştirir. İkisi birlikte kullanılabilir.
VAD bir cümlenin başını kesebilir mi?
Evet, konuşmacı yumuşak başladığında. İyi sistemler ilk sesin kırpılmasını önlemek için her parçanın çevresine kısa bir pay ekler.
Potok botuna göndermeden önce sessizliği kırpmam gerekir mi?
Hayır. Kaydın tamamını olduğu gibi, 2 GB'a kadar gönderin. Kırpma yalnızca çok büyük bir dosyayı küçültmeye yardımcı olur.
Bir dosyadaki sessiz boşlukları nasıl bulurum?
ffmpeg'deki silencedetect süzgecini kullanın. Seçtiğiniz eşik için her sessiz bölümün başlangıcını ve bitişini yazdırır.
Kaynaklar
Her kaynak, belirtilen tarihte elle açılarak kontrol edildi. Sayfalar değişir; bir ayrıntı sizin için önemliyse kaynağı açın.
- Voice activity detection (Wikipedia), Wikipedia · kontrol edildi
- Background noise (Wikipedia), Wikipedia · kontrol edildi
Kendi kaydınızda deneyin
Sesli mesajınızı, ses veya video dosyanızı Telegram'da @potok_now_bot hesabına gönderin, metin sohbete geri gelsin.
@potok_now_bot hesabını Telegram'da aç