מאת מערכת whispertranscribe.ai · עודכן לאחרונה: נובמבר 2026 · זמן קריאה: 12 דקות
פורמט השמע הטוב ביותר לתמלול הוא שמע ללא אובדן, WAV (PCM של 16 ביט) או FLAC, מוקלט במונו ב-16 kHz ומעלה, כאשר אתם שולטים בהקלטה. אם כבר יש לכם קובץ MP3, M4A או וידאו, העלו אותו כפי שהוא. המרת קובץ דחוס אינה משחזרת פרטים שאבדו, ומרחק המיקרופון והרעש משפיעים יותר על התוצאות.
להלן מה לבחור לפני ההקלטה, מה לעשות בקובץ שקיבלתם, נוסחאות גודל, הגדרות לפי מצב, פקודות FFmpeg וטבלת פתרון בעיות.
גילוי נאות. whispertranscribe.ai מפרסם מדריך זה. הטענות הטכניות מקושרות ל-Google Cloud, לקוד Whisper של OpenAI, ל-FFmpeg או לספריית הקונגרס. לא ערכנו מבחני דיוק למאמר ואין כאן הבטחה שפורמט כלשהו מוסיף אחוז דיוק קבוע.
תשובה מהירה: פורמט השמע הטוב ביותר לתמלול
בחרו לפי השלב בתהליך, ולא לפי "מנצח" יחיד.
| המצב שלכם | הבחירה הטובה ביותר | למה |
|---|---|---|
| אתם מגדירים מקליט או אפליקציה | WAV (16 ביט) או FLAC, מונו, 16 kHz ומעלה | Google ממליצה על FLAC או LINEAR16 ללא אובדן לזיהוי דיבור |
| דרושים קבצים קטנים בזמן ההקלטה | מקודד מאבד מידע שמתאים לדיבור בקצב סיביות מתון | המקודדים מאבדי המידע ש-Google מעדיפה לדיבור לפי סדר: AMR-WB, Ogg Opus, Speex |
| כבר יש קובץ MP3, M4A או Opus | העלו את המקור | קידוד מחדש אינו מחזיר מידע |
| יש וידאו (MP4, MOV, MKV) | העלו אותו; חלצו שמע אם הוא ענק | רק רצועת השמע משמשת לתמלול |
| דוברים הוקלטו ברצועות נפרדות | שמרו את הרצועות | Google ממליצה לשלוח כל ערוץ בנפרד כשכל אדם הוקלט בערוץ משלו |
מתי אין צורך לדאוג לפורמט: תזכורת קולית בטלפון, פרק פודקאסט שפורסם או הקלטת Zoom או Teams. העלו, בחרו את השפה המדוברת הנכונה והקדישו את הזמן לבדיקת שמות.
פורמט, מקודד ומכל: מה סיומת הקובץ מסתירה
הסיומת מציינת את המכל ולא תמיד את הדחיסה. מדריך אופטימיזציית השמע של Google אומר במפורש: מקודדים ופורמטי קבצים אינם אותו דבר. שלוש הפתעות נפוצות:
- WAV מכיל בדרך כלל PCM ליניארי לא דחוס, אך הפורמט יכול להכיל גם קידודים אחרים (ספריית הקונגרס, WAVE).
- M4A יכול להכיל AAC מאבד מידע או Apple Lossless (ALAC) ללא אובדן.
- OGG הוא מכל שמכיל בדרך כלל Opus או Vorbis, שניהם מאבדי מידע.
כדי לראות מה יש בפועל בקובץ, בקשו מ-ffprobe של FFmpeg להציג זרמי שמע בלבד:
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,channels,sample_rate -of csv=p=0 meeting.mp4
הפקודה מציגה שורה לכל זרם שמע; בהיעדר זרם שמע הפלט ריק וכך אפשר לזהות קובץ ללא רצועת שמע לפני העלאה. בדיקת FFmpeg 4.3 ב-macOS כללה חמש המרות, חילוץ SRT וחלוקת WAV; פקודת הבדיקה של וידאו ללא שמע לא נבדקה בנפרד.
השוואת פורמטי שמע לתמלול
ניתן לתמלל כל פורמט להלן. ההבדל הוא כמה פרטים נשמרו ומה גודל הקובץ. הגדלים מחושבים לפי הנוסחאות בסעיף הבא (1 MB = 1,000,000 בייט).
| פורמט | מאבד מידע או ללא אובדן | מקור נפוץ | גודל לדקה (הגדרה לדוגמה) | השפעה על תמלול | מה לעשות |
|---|---|---|---|---|---|
| WAV (PCM) | לא דחוס | מקליטי שטח, עורכי שמע | 1.92 MB ב-16 kHz, 16 ביט, מונו; 10.58 MB ב-44.1 kHz, 16 ביט, סטריאו | שומר כל מה שהמיקרופון קלט | מקור איכותי; שימו לב לגודל במפגשים ארוכים |
| FLAC | ללא אובדן (דחוס) | ארכיונים, ייצואי עורך | קטן מה-WAV המקביל; החיסכון משתנה | אותו שמע כמו WAV | השתמשו במקום WAV לחיסכון במקום |
| AIFF / ALAC / CAF | AIFF בדרך כלל לא דחוס; ALAC ללא אובדן; CAF יכול להכיל את שניהם | אפליקציות Mac ו-iPhone | AIFF: כמו WAV באותן הגדרות | תלוי במקודד הפנימי | העלו כפי שהוא |
| MP3 | מאבד מידע | פודקאסטים, הורדות | 0.96 MB ב-128 kbps | Google: מקודדים מאבדי מידע עשויים להפחית דיוק | העלו כפי שהוא |
| M4A / AAC | בדרך כלל מאבד מידע (AAC) | תזכורות קוליות, פסקולי וידאו | 0.48 MB ב-64 kbps | אותה הסתייגות כמו MP3 | העלו את המקור |
| OGG / Opus | מאבד מידע | הודעות קוליות, שיחות רשת | 0.24 MB ב-32 kbps | Opus ברשימת Google המועדפת לדיבור מאבד מידע | העלו כפי שהוא |
| AMR (פס צר) | מאבד מידע, דיבור בלבד | טלפונים ומקליטי שיחות ישנים | כ-0.09 MB ב-12.2 kbps | נושא רק 200 עד 3,400 הרץ (ספריית הקונגרס, AMR) | העלו כפי שהוא; לעולם אל תעלו קצב דגימה |
קובצי וידאו פועלים באותה דרך: הכלי קורא את רצועת השמע, ולכן המחיר היחיד הוא גודל העלאה נוסף.
מה גודל קובץ שמע? הנוסחאות
שתי נוסחאות מאפשרות להעריך גודל לפני הקלטה או העלאה.
PCM לא דחוס (WAV, AIFF):
bytes per second = sample rate × (bit depth ÷ 8) × channels
דוגמאות חישוב:
- 16 kHz, 16 ביט, מונו: 16,000 × 2 × 1 = 32,000 בייט לשנייה. כפול 60 = 1,920,000 בייט, כ-1.92 MB לדקה, או 115.2 MB לשעה.
- 44.1 kHz, 16 ביט, סטריאו: 44,100 × 2 × 2 = 176,400 בייט לשנייה, כ-10.58 MB לדקה, או 635 MB לשעה.
- 48 kHz, 24 ביט, סטריאו: 48,000 × 3 × 2 = 288,000 בייט לשנייה, או 1,036.8 MB לשעה.
דחיסה מאבדת מידע בקצב סיביות קבוע (MP3, AAC, Opus):
bytes per minute = bitrate in kbps × 1,000 ÷ 8 × 60 (כלומר kbps × 7,500)
- 128 kbps: 128 × 7,500 = 960,000 בייט, כ-0.96 MB לדקה, או 57.6 MB לשעה.
- 64 kbps: 0.48 MB לדקה; 32 kbps: 0.24 MB לדקה.
קבצים אמיתיים מעט גדולים יותר בגלל כותרות, וקובצי קצב סיביות משתנה נעים סביב הממוצע. מחשבים המציגים יחידות בינאריות (MiB) מציגים מספרים נמוכים בכ-5%.
מה המשמעות למגבלת העלאה של 5GB ו-10 שעות?
whispertranscribe.ai מקבל קבצים עד 5GB ו-10 שעות. כך מתאימות הגדרות נפוצות, בהנחה ש-5GB הם 5,000,000,000 בייט:
| הגדרה | שעה | 10 שעות | האם 10 שעות נכנסות מתחת ל-5GB? |
|---|---|---|---|
| WAV, 16 kHz, 16 ביט, מונו | 115.2 MB | 1.15 GB | כן |
| WAV, 44.1 kHz, 16 ביט, סטריאו | 635 MB | 6.35 GB | לא: נכנסות כ-7.9 שעות |
| WAV, 48 kHz, 24 ביט, סטריאו | 1.04 GB | 10.37 GB | לא: נכנסות כ-4.8 שעות |
| MP3, 128 kbps | 57.6 MB | 576 MB | כן |
| Opus, 32 kbps | 14.4 MB | 144 MB | כן |
לקובץ WAV קלאסי יש גם מגבלה משלו: שדה גודל בן 32 ביט מגביל אותו לכ-4 GB, והקלטות ארוכות יותר זקוקות להרחבת RF64 (ספריית הקונגרס). להקלטות ארוכות מאוד ללא אובדן, FLAC או WAV מונו ב-16 kHz מונעים את שתי הבעיות.
מה חשוב יותר מפורמט השמע
קול ברור קרוב למיקרופון שנשמר כ-MP3 עדיף בדרך כלל על קובץ ללא אובדן שהוקלט מעבר לחדר רועש. ההגדרות וההרגלים הבאים קובעים את רוב התוצאות.
קצב דגימה: האם 16 kHz מספיק?
כן, לדיבור. Google ממליצה על 16,000 הרץ ומעלה (המלצות); המדריך מסביר שקצב נמוך יותר משאיר מעט או כלל לא מידע מעל 8 kHz. קוד Whisper בקוד פתוח של OpenAI ממיר כל קלט למונו ב-16,000 הרץ לפני שהמודל שומע אותו (whisper/audio.py). הקלטה ב-44.1 או 48 kHz תקינה, אך גדולה יותר.
העלאת הקצב לאחר מכן אינה עוזרת: Google מציינת שקובץ 8 kHz שהועלה ל-44.1 kHz עדיין מכיל טווח תדרים של כ-4 kHz בלבד. העלו שמע טלפוני, שלרוב הוא 8,000 הרץ, בקצב המקורי.
עומק ביט: 16 או 24 ביט?
Google ממליצה על 16 ביט ומעלה ואומרת שהמרת שמע מ-8 ל-16 ביט אינה מוסיפה דבר, משום שהטווח הדינמי נקבע בהקלטה. שמירת 24 ביט מהמקליט אינה מזיקה; המרת 16 ל-24 ביט אינה מוסיפה דבר.
קצב סיביות לקבצים דחוסים
אין תקן שקובע קצב סיביות המבטיח תמלול טוב. הנחיות Google עוסקות בסוג המקודד: מקודדים מאבדי מידע עשויים להפחית דיוק, ורעש או הד פוגעים יותר כשמשתמשים בדחיסה מאבדת מידע. אם חייבים לדחוס, עשו זאת פעם אחת בהגדרה מתונה והימנעו משרשראות כמו WAV ל-MP3 ל-OGG.
מרחק מיקרופון, רעש ועוצמות
מעצות העיבוד המקדים של Google:
- הציבו את המיקרופון קרוב לדובר ככל שסביר, במיוחד כשיש רעש רקע.
- הימנעו מקטימת שיאים (clipping). אי אפשר לתקן שיאים מעוותים מאוחר יותר.
- כבו בקרת הגבר אוטומטית והפחתת רעש אם האפליקציה מאפשרת. Google אומרת שעיבוד הפחתת רעש לפני זיהוי בדרך כלל מפחית דיוק.
מונו או סטריאו?
למיקרופון משותף אחד, מונו מספיק. Whisper ממילא מערבב סטריאו למונו, ולכן סטריאו עם אותו קול בשני הצדדים רק מכפיל את ההעלאה. כדאי לשמור סטריאו כשכל צד מכיל אדם אחר, כמו במקליטי שיחות רבים או מיקרופון דש לכל ערוץ. Google ממליצה אז לשלוח כל ערוץ בנפרד, והקלטה מעורבת כפי שהיא.
הקלטות מרובות רצועות
כלי פודקאסט וריאיון מרחוק מקליטים לעיתים כל אדם ברצועה נפרדת. אפשר לייצא רצועה מעורבת אחת ולהפעיל תוויות דוברים (הפשוט ביותר), או לתמלל כל רצועה בנפרד ולמזג טקסט לפי חותמת זמן (השמע הנקי ביותר, אך עליכם למזג).
פורמט והגדרות מומלצים לפי מצב
"כבר יש לכם" הוא המצב הנפוץ יותר, והתשובה היא בדרך כלל "העלו אותו".
| מצב | הקליטו כ- (אם בוחרים) | אם כבר יש | לפני העלאה | שימו לב |
|---|---|---|---|---|
| ריאיון פנים אל פנים | WAV או FLAC, מונו לכל מיקרופון, 44.1 או 48 kHz | M4A או MP3 מטלפון | רשמו שמות ומונחים | המרואיין שקט יותר מהמראיין |
| ריאיון מרחוק או פודקאסט, לפי רצועה | רצועה נפרדת לכל דובר, ללא אובדן | קובצי WAV נפרדים ו-MP3 מעורב | בחרו מעורב או לפי רצועה | דיבור חופף במיקס |
| הקלטת פגישה (Zoom, Teams, Meet) | אפשרות השמע של הפלטפורמה אם קיימת | MP4 או M4A | חלצו שמע רק אם הווידאו ענק | מיקרופון מחשב אחד לחדר שלם |
| תזכורת קולית בטלפון | ברירת המחדל של האפליקציה | .m4a | ייצאו את המקור | הטלפון בכיס בזמן ההקלטה |
| פרק פודקאסט שפורסם | לא רלוונטי | MP3 שפורסם | השתמשו ב-WAV או FLAC מלפני הפרסום אם קיים | פתיחי מוזיקה; הגדירו שפה |
| הרצאה או סמינר | מונו, 16 ביט, מיקרופון ליד המרצה | MP3 ארוך או וידאו | בדקו משך מול 10 שעות | שאלות קהל רחוקות מהמיקרופון |
| הקלטת שיחת טלפון | ברירת המחדל של המקליט | AMR, M4A או WAV ב-8 kHz | שמרו את קצב הדגימה המקורי | כללי הסכמה; אל תעלו קצב דגימה |
לפני הקלטת שיחות קבלו את ההסכמה הנדרשת מהמשתתפים ואת אישור המארגן וצייתו לאיסורי הקלטה. המדריכים איך להקליט שיחת טלפון וחוקי הקלטת שיחות לפי מדינה עוסקים בכך. זה אינו ייעוץ משפטי.
איך להמיר שמע לתמלול באמצעות FFmpeg
המירו רק מסיבה מוגדרת: הקובץ גדול מדי, רוצים העלאה קלה יותר מווידאו, כלי דוחה את המקודד או רוצים דוברים בקבצים נפרדים. המרה לשם "איכות" אינה עובדת.
הרצנו את חמש פקודות ההמרה עם FFmpeg 4.3 ב-macOS ובדקנו שהן הסתיימו וש-ffprobe הציג את המקודד, קצב הדגימה והערוצים הצפויים. לא בדקנו דיוק תמלול. האפשרויות מוסברות בתיעוד FFmpeg.
1. כל קובץ ל-WAV מונו ב-16 kHz ו-16 ביט (אותה צורה שאליה Whisper ממיר פנימית):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a pcm_s16le interview_16k.wav
2. כל קובץ ל-FLAC מונו ב-16 kHz (ללא אובדן ובדרך כלל קטן מ-WAV):
ffmpeg -i interview.m4a -ac 1 -ar 16000 -c:a flac interview_16k.flac
3. וידאו ל-MP3 מונו קטן (מוסיף שלב מאבד מידע; השתמשו כשהגודל חשוב ביותר):
ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k meeting_16k.mp3
4. חילוץ שמע מווידאו ללא קידוד מחדש (פועל כשהשמע הוא AAC, נפוץ בקובצי MP4):
ffmpeg -i meeting.mp4 -vn -c:a copy meeting_audio.m4a
5. פיצול הקלטה דו-ערוצית לקובץ לכל דובר (משתמש במסנן channelsplit):
ffmpeg -i call.m4a -filter_complex "channelsplit=channel_layout=stereo[L][R]" -map "[L]" left.wav -map "[R]" right.wav
| אפשרות | מה היא עושה |
|---|---|
-ac 1 |
מערבבת את השמע לערוץ אחד |
-ar 16000 |
מגדירה קצב דגימה של 16,000 הרץ בפלט |
-c:a pcm_s16le |
כותבת PCM לא דחוס של 16 ביט (WAV סטנדרטי) |
-vn |
מסירה את זרם הווידאו |
-c:a copy |
מעתיקה את השמע כפי שהוא ללא שינוי איכות |
-b:a 64k |
מגדירה קצב סיביות מאבד מידע |
העדיפו פקודה 4 על פקודה 3 כאשר שמע הווידאו כבר AAC, משום שהיא שומרת על האיכות המקורית. בשמע טלפוני של 8 kHz השמיטו את -ar 16000 כדי לא להעלות קצב דגימה.
ללא שורת פקודה? ממיר השמע והווידאו ל-MP3 של whispertranscribe.ai מחלץ רצועת שמע מ-MP4, MOV, MKV, WEBM או AVI בדפדפן. הדף אומר שהוא משתמש ב-WebAssembly ושהקבצים מעובדים בדפדפן ולא מועלים.
קבצים גדולים: שמירה מתחת ל-5GB ו-10 שעות
- גדול מדי אך מתחת ל-10 שעות: בדרך כלל וידאו או WAV ברזולוציה גבוהה. חלצו שמע (פקודה 4 או ממיר הדפדפן) או המירו WAV ל-FLAC (פקודה 2).
- ארוך מ-10 שעות: דף ההעלאה מציג "At the moment, we can only process files up to 10 hours long. Please shorten your file to 10 hours or less and try again." חלקו אותו. פקודת החלוקה ללא קידוד מחדש במדריך MP3 לטקסט פועלת גם על WAV; בדקנו אותה על WAV לדוגמה. בדקו את נקודות החיבור במיזוג הטקסט.
- חיבור איטי: שעה של MP3 ב-64 kbps היא כ-28.8 MB, לעומת 635 MB ל-WAV סטריאו בסגנון CD. שמרו את המקור ללא אובדן בארכיון שלכם.
פתרון בעיות פורמט שמע
| בעיה | סיבה אפשרית | מה לנסות |
|---|---|---|
| "No audio detected. The file may be corrupted. Please check the file and try again." (מופיע בדפי ההעלאה שלנו) | קובץ פגום, וידאו שיוצא ללא קול או רצועת שמע ריקה | נגנו מקומית; הריצו את בדיקת ffprobe לעיל (אין פלט פירושו אין זרם שמע); ייצאו שוב מהאפליקציה המקורית |
| ההעלאה נדחתה כי היא ארוכה מדי | קובץ מעל 10 שעות | חלקו לחלקים של עד 10 שעות |
| הקובץ גדול מדי | וידאו או WAV רב-ערוצי ברזולוציה גבוהה | חלצו שמע או המירו WAV ל-FLAC |
| WAV מעל 4 GB אינו נפתח או מועלה | מגבלת WAV קלאסי | ייצאו שוב כ-RF64 או FLAC, או חלקו |
| דובר אחד שקט בהרבה מהשני | כל אדם בערוץ נפרד שהוקלט בעוצמה שונה | פצלו ערוצים (פקודה 5) ותמללו כל קובץ |
| שיאים מעוותים ומפצפצים | קטימה בהקלטה | אי אפשר לתקן; הנמיכו הגבר כניסה בפעם הבאה |
| שמע טלפוני עדיין גרוע אחרי המרה ל-48 kHz | העלאת קצב אינה מוסיפה מידע | העלו את המקור; נסו אפשרות שפה "Noise / Low-Quality Audio/Video" אם קיימת |
איפה whispertranscribe.ai משתלב
whispertranscribe.ai הוא כלי תמלול המבוסס על מודלי Whisper של OpenAI ופועל בדפדפן (ללא אפליקציה, API או הגהה אנושית). ממיר השמע לטקסט החינמי ודפי העלאה אחרים מונים פורמטים אלה: MP3, WAV, M4A, AAC, FLAC, OGG, OPUS, AMR, AIFF, ALAC, CAF, MP4, MOV, M4V, MKV, AVI, WMV, WEBM, MPG ו-MPEG.
- מגבלות: קבצים עד 5GB ו-10 שעות.
- שפות: יותר מ-130 שפות, עם אפשרויות "Noise / Low-Quality Audio/Video" לרבות מהן.
- דיוק: עד 99% בשמע ברור. רעש, מרחק, מבטאים ודיבור חופף מפחיתים אותו.
- דוברים: הפעילו Speaker Detection לפני תמלול.
- ייצוא: DOCX, PDF, TXT, CSV, SRT ו-VTT.
- פרטיות: מדיניות הפרטיות אומרת שהמקור שהועלה נמחק אחרי עיבוד ו-MP3 שחולץ נשמר 30 יום כברירת מחדל.
להקלטות מסוימות ראו את הדפים לקובצי MP3, תזכורות קוליות, שיחות טלפון, ריאיונות והרצאות וסמינרים. נסו קובץ בדף החינמי ללא חשבון (המגבלות מוצגות שם). מסלולים בתשלום: מ-$9.99 לחודש בחיוב שנתי (מחירים). השאר בדף התכונות.
שאלות נפוצות
מה פורמט השמע הטוב ביותר לתמלול?
WAV או FLAC הם הפורמט הטוב ביותר כשאתם שולטים בהקלטה, רצוי מונו ב-16 kHz ומעלה עם עומק 16 ביט. אם כבר יש קובץ דחוס כמו MP3, M4A או Opus, העלו אותו כפי שהוא במקום להמיר. איכות ההקלטה, כלומר מיקרופון קרוב, מעט רעש רקע וללא קטימה, חשובה בדרך כלל יותר מהבחירה בין הפורמטים.
האם WAV טוב מ-MP3 לתמלול?
WAV שהוקלט מהמקור שומר יותר פרטים מ-MP3, ו-Google מציינת שמקודדים מאבדי מידע כמו MP3 עלולים להפחית את דיוק הזיהוי. הפער לרוב קטן בדיבור ברור וגדול יותר בהקלטות רועשות. WAV שנוצר מ-MP3 קיים אינו טוב ממנו כי הפרטים שהושלכו אבדו. הקליטו ב-WAV או FLAC כשאפשר והעלו MP3 כפי שהוא.
באיזה קצב דגימה להשתמש לתמלול?
השתמשו ב-16 kHz ומעלה. Google ממליצה על לפחות 16,000 הרץ לזיהוי דיבור, ו-Whisper של OpenAI ממיר כל שמע למונו ב-16 kHz לפני העיבוד. הקלטה ב-44.1 או 48 kHz תקינה ונפוצה. אל תעלו קצב נמוך לאחר מכן: הקלטת טלפון ב-8 kHz יש להעלות ב-8 kHz, משום שהעלאת הקצב מוסיפה גודל אך לא מידע דיבור.
האם להקליט במונו או בסטריאו לתמלול?
הקליטו במונו כשכולם חולקים מיקרופון אחד. Whisper ממילא מערבב סטריאו למונו, ולכן עותק סטריאו של אותו קול רק מכפיל את הגודל. שמרו סטריאו או רצועות נפרדות כשכל דובר בערוץ אחר, כגון מקליט שיחות או מיקרופון לכל אורח. Google ממליצה לתמלל ערוצים נפרדים בנפרד, ואפשר לעשות זאת בפיצול ערוצים ב-FFmpeg.
מה גודל קובץ WAV לדקה?
זה תלוי בהגדרות: מכפילים קצב דגימה בבייט לדגימה ובמספר הערוצים לקבלת בייט לשנייה. WAV מונו ב-16 kHz ו-16 ביט הוא 16,000 × 2 × 1 = 32,000 בייט לשנייה, כ-1.92 MB לדקה או 115.2 MB לשעה. סטריאו בסגנון CD ב-44.1 kHz ו-16 ביט הוא כ-10.58 MB לדקה או 635 MB לשעה.
האם אפשר להעלות וידאו במקום לחלץ שמע?
כן. כלי תמלול קוראים את רצועת השמע ומתעלמים מהתמונה, ולכן MP4, MOV, MKV או WEBM נותנים אותו תמליל כמו השמע שחולץ מהם. הווידאו רק מגדיל את ההעלאה. חלצו שמע כשהקובץ קרוב למגבלת גודל או כשהחיבור איטי, למשל עם -vn -c:a copy של FFmpeg, ששומר על איכות השמע המקורית. ב-whispertranscribe.ai ניתן להעלות וידאו כפי שהוא ולייצא DOCX, TXT, SRT או VTT.
יש לכם הקלטה מוכנה? העלו אותה כפי שהיא לממיר השמע לטקסט החינמי של whispertranscribe.ai: בחרו אחת מיותר מ-130 שפות, הפעילו Speaker Detection והורידו DOCX, TXT, SRT או VTT. קבצים עד 5GB ו-10 שעות.
מקורות
- Google Cloud: המלצות Speech-to-Text לאספקת נתוני דיבור
- Google Cloud: אופטימיזציה של קובצי שמע ל-Speech-to-Text
- OpenAI: whisper/audio.py במאגר Whisper ב-GitHub
- FFmpeg: תיעוד שורת הפקודה ffmpeg ומסנן channelsplit
- ספריית הקונגרס: WAVE Audio File Format (fdd000001)
- ספריית הקונגרס: AMR, Adaptive Multi-Rate Speech Codec (fdd000254)
