ສຽງເປັນຂໍ້ຄວາມ ຟຣີ

ມັນເຮັດວຽກແນວໃດ

ການຖອດຄວາມຮັນໂມເດວຮັບຮູ້ສຽງເວົ້າ Whisper ໂດຍກົງໃນບຣາວເຊີຂອງທ່ານ. ສຽງຖືກຖອດລະຫັດ, resample ແລະ ປ້ອນໃຫ້ໂມເດວຢູ່ໃນອຸປະກອນຂອງທ່ານເອງ — ການບັນທຶກບໍ່ຖືກອັບໂຫຼດເລີຍ.

1. 1
   ໄຟລ໌ຂອງທ່ານຖືກຖອດລະຫັດເປັນ 16 kHz mono

   Whisper ຮັບແຕ່ຮູບແບບດຽວ: ສຽງຊ່ອງດຽວທີ່ 16,000 sample ຕໍ່ວິນາທີ. audio engine ຂອງບຣາວເຊີເຮັດການແປງເອງ, ເຊິ່ງສຳລັບໄຟລ໌ດົນຕີ ແລະ ສຽງເວົ້າສ່ວນຫຼາຍໝາຍຄວາມວ່າບໍ່ຕ້ອງດາວໂຫຼດເພີ່ມເລີຍ. video container ແປກໆຈະຫຼຸ້ນໄປໃຊ້ ffmpeg ທີ່ຝັງມາ.
2. 2
   ໂມເດວດາວໂຫຼດຄັ້ງດຽວ, ແລະ ສະເພາະເມື່ອທ່ານຮ້ອງຂໍ

   ໂມເດວສຽງເວົ້າມີຂະໜາດປະມານ 81 MB (ຫຼື 45 MB ສຳລັບຕົວເລືອກທີ່ໄວກວ່າ ແຕ່ຖືກຕ້ອງໜ້ອຍກວ່າ), ແລະ ເອັນຈິນທີ່ເຮັດວຽກມັນເພີ່ມອີກປະມານ 27 MB. ມັນຖືກດຶງມາຫຼັງຈາກທ່ານກົດ ໂຫຼດ ເທົ່ານັ້ນ, ແລ້ວເກັບໃນແຄຊເພື່ອໃຫ້ການເຂົ້າຊົມຄັ້ງຕໍ່ໄປເລີ່ມທັນທີ. ທ່ານລຶບມັນອອກໄດ້ທຸກເວລາ.
3. 3
   ສຽງຖືກຖອດຄວາມເປັນຊ່ວງ 30 ວິນາທີ

   Whisper ອ່ານທີລະ 30 ວິນາທີພ້ອມການຊ້ອນທັບ 5 ວິນາທີແຕ່ລະດ້ານ, ດັ່ງນັ້ນຄຳທີ່ຄາບຂອບເຂດຈະບໍ່ຫາຍໄປ. ນີ້ຮັນຢູ່ໃນ thread ພື້ນຫຼັງ, ນັ້ນຄືເຫດຜົນທີ່ໜ້າຍັງຕອບສະໜອງໄດ້ ແລະ ການຍົກເລີກຍັງເຮັດວຽກໄດ້.
4. 4
   ຂໍ້ຄວາມກາຍເປັນຄຳບັນຍາຍທີ່ອ່ານໄດ້

   ຜົນລັບດິບຖືກແຍກ ແລະ ຈັບເວລາຄືນເພື່ອບໍ່ໃຫ້ແຖວໃດເກີນ 42 ຕົວອັກສອນ ແລະ ບໍ່ມີສິ່ງໃດແລ່ນໄວກວ່າ 21 ຕົວອັກສອນຕໍ່ວິນາທີ — ຂອບເຂດດຽວກັນທີ່ Subtitle Editor ຂອງພວກເຮົາກວດ. ເວລາບໍ່ເຄີຍຖືກຢືດເພື່ອໃຫ້ຕົງເປົ້າໝາຍເຫຼົ່ານັ້ນ, ເພາະນັ້ນຈະບິດເບືອນເວລາທີ່ຄຳເວົ້າຖືກເວົ້າຈິງ.

ເຄື່ອງມືທີ່ກ່ຽວຂ້ອງ