Выбор исходных данных и способа обработки
Укажите ожидаемое число голосов от 1 до 4. WavLM сравнивает голосовые векторы в окнах по 2 секунды; одинаковое звучание и короткие реплики могут дать неверную группу, а наложенная речь не разделяется.
JSON и SRT с анонимными метками голосовых окон локальной модели WavLM.
Сверьте метки с голосами на слух; короткие реплики и наложенную речь проверьте вручную.
WavLM: до 30 секунд и 1–4 говорящих; окна по 2 секунды, наложенная речь не разделяется.
- На входе: WAV, MP3, FLAC, M4A.
- Результат: TXT, SRT, JSON.
Настройки и варианты результата
В «Разметить смену говорящих» доступны следующие параметры. Начните с значений по умолчанию, затем измените нужный параметр и сравните результат с исходником.
| Параметр | Доступные значения | По умолчанию |
|---|---|---|
| Число говорящих | От 1, до 4, шаг 1 | 2 |
Порядок действий
Разметить смену говорящих
- Выберите короткую запись и проверьте её содержимое.
- Укажите параметры обработки и попробуйте пример.
- Создайте результат, откройте скачанные файлы и прочитайте отчёт.
Практический пример
JSON и SRT с анонимными метками голосовых окон локальной модели WavLM.
Короткая английская речь.
JSON и SRT с анонимными метками голосовых окон локальной модели WavLM.
Сверьте метки с голосами на слух; короткие реплики и наложенную речь проверьте вручную.
Ограничения и проверка готового файла
Сверьте метки с голосами на слух; короткие реплики и наложенную речь проверьте вручную.
Для выбранной операции данные передаются нашему серверу. Временные рабочие файлы удаляются после обработки; история пользовательских файлов не создаётся.
Официальные требования: FFmpeg: медиапотоки · WavLM: голосовые векторы
- До 20 МиБ на файл и 50 МиБ суммарно.
- До 180 секунд; видео до 0,92 мегапикселя в кадре.
- WavLM: до 30 секунд и 1–4 говорящих; окна по 2 секунды, наложенная речь не разделяется.
- Файлы обрабатываются на сервере во временной папке и удаляются после ответа.
- Аудио: до 8 каналов, 96 кГц и 16 миллионов отсчётов суммарно.
- В контейнере с несколькими аудиодорожками обрабатывается первая дорожка.
Вопросы и ответы
Какие исходные данные принимает «Разметить смену говорящих»?
Поддерживаются: WAV, MP3, FLAC, M4A. До 20 МиБ на файл и 50 МиБ суммарно.
Что получится после обработки в «Разметить смену говорящих»?
JSON и SRT с анонимными метками голосовых окон локальной модели WavLM. Форматы результата: TXT, SRT, JSON.
Как проверить результат этой операции?
Сверьте метки с голосами на слух; короткие реплики и наложенную речь проверьте вручную.
Какой пример помогает начать работу?
Короткая английская речь.. Разметить смену говорящих Ожидаемый результат: JSON и SRT с анонимными метками голосовых окон локальной модели WavLM..
Какие ограничения нужно учитывать?
До 20 МиБ на файл и 50 МиБ суммарно. До 180 секунд; видео до 0,92 мегапикселя в кадре. WavLM: до 30 секунд и 1–4 говорящих; окна по 2 секунды, наложенная речь не разделяется. Файлы обрабатываются на сервере во временной папке и удаляются после ответа. Аудио: до 8 каналов, 96 кГц и 16 миллионов отсчётов суммарно. В контейнере с несколькими аудиодорожками обрабатывается первая дорожка.
Где обрабатываются данные и сохраняется ли история?
Для выбранной операции данные передаются нашему серверу. Временные рабочие файлы удаляются после обработки; история пользовательских файлов не создаётся.