Sobes.tech

Audio Yazı

Səs yazısı ilə bağlı suallar

Yazı Rejimləri

Qeyd rejimi qeyd düyməsini və ya qısa düyməsini basdıqda nə baş verdiyini müəyyən edir. Bütün rejimlərdə tətbiq yalnız nitqin transkripsiya üçün aşkar edildiyi fraqmentləri göndərir.

Avtomatik (VAD)

VAD müntəzəm söhbətlər, müsahibələr və zənglər üçün ən yaxşısıdır, burada nitq başlaya və bitə bilər, siz isə hər bir fraqmenti idarə edə bilmirsiniz.

Vacibdir: VAD-ı qeyd düyməsi və ya qısa düymə ilə aktiv etməlisiniz. Proqram işə düşdükdən sonra tətbiq seçilmiş audio mənbələrini dinləyir və nitqi avtomatik aşkar edir. Kimsə danışanda, fraqment qeydə alınır. Bir fasilədən sonra fraqment bağlanır və transkripsiya üçün göndərilir. VAD-ı söndürəndə, tətbiq səsi analiz etməyi dayandırır.

İş prinsipi:

  1. VAD-ı işə salırsan
  2. Tətbiq seçilmiş audio mənbələrini dinləyir və nitqi axtarır
  3. Nitq aşkarlandıqda, yazı fraqmenti başlayır
  4. Bir fasilədən sonra fraqment transkripsiya üçün göndərilir
  5. Əgər nitq uzun müddət davam edərsə, qeyd hissələrə bölünə bilər
VAD diagram: turn on, detect speech, record, and transcribe

Manual (Toggle)

Toggle isə fraqmentin başlanğıcını və sonunu özünüz seçmək istədiyiniz hallar üçündür. Yazı düyməsinin və ya Ctrl+R ilk basılması yazını başlayır, ikinci basma isə onu dayandırır və səsi transkripsiya üçün göndərir.

Yazı başlamazdan əvvəl tətbiq qısa fon buferi saxlayır. Əgər bir fraza başlayandan sonra qısa düyməni bir az bassanız, ilk saniyələr hələ də daxil edilə bilər. Əgər son fraqment nitq ehtiva etmirsə, avtomatik olaraq atılır.

Start / Stop diagram: buffer, start, recording, stop, and transcription

One-shot (Oneshot)

One-shot, cavab istəməzdən əvvəl tam eşitmək istədiyiniz suallar üçündür. Əvvəlcədən yazmağa başlamayın: digər şəxs bitirənə qədər gözləyin, sonra yazma düyməsini və ya Ctrl+R düyməsini basın. Tətbiq buffer-dən ən son səsi götürür, transkripsiya edir və cavab üçün istifadə edir.

Bu rejim əvvəlcədən hansı anın önəmli olacağını bilmədiyiniz zaman faydalıdır. O, uzun başlanğıcdan dayanana seqment yazmır; Bu, son səsin qısa bir görüntüsünü çəkir.

One-shot diagram: rolling buffer, last seconds, hotkey, and transcription

Qeyd Rejiminin Seçilməsi

Parametrləri açın (yan menyuda dişli ikonu), "Audio Recording" bölməsi. Burada qeyd rejimini seçə və digər parametrləri tənzimləyə bilərsiniz.

Sobes Copilot voice recording settings

Bütün Yazı Parametrləri

Capture parametrləri tətbiqin parametrlərində "Audio Recording" bölməsində var. Bəzi elementlər yalnız müəyyən yazı rejimi, audio mənbəyi, platforma və ya tətbiq versiyası üçün görünür.

Əsas Ayarlar

Audio Mənbəyi həmişə görünür. O, nəyi yazacağını seçir: sistem səsi + mikrofon, yalnız sistem səsi və ya yalnız mikrofon.

Qeyd Rejimi həmişə görünür. O, qeyd düyməsinin davranışını müəyyən edir: VAD, Toggle və ya Oneshot.

Mikrofon seçilmiş mənbədə mikrofon səsi olduqda görünür. Burada konkret giriş cihazını seçə bilərsiniz. Əgər "Default" rejimində qalsanız, sistemin standart mikrofonu istifadə olunur.

Çıxış Qurğusu Windows-da seçilmiş mənbədə sistem səsi olduqda görünür. O, səsin yazılacağı səsgücləndiriciləri və ya qulaqlıqları seçir.

Audio Mənbə

Sistem səsi + mikrofon zənglər və müsahibələr üçündür: həm sizin, həm də digər şəxsin səsini tutur.

Yalnız sistem səsi tətbiq və ya dinamik səsini tutur. Mikrofonunuz daxil deyil.

Yalnız mikrofon yalnız səsini tutur. Sistem səsinə ehtiyacınız olmadıqda və ya sistem səsi mane olduqda istifadə edin.

VAD Parametrləri

Chunking qabaqcıl VAD parametrlərindədir və standart olaraq aktivdir. O, uzun nitqi ayrı-ayrı audio fayllara bölür ki, transkripsiya və cavab yaradılması daha tez başlaya bilsin.

Chunk Duration qabaqcıl VAD parametrlərində chunking aktiv olduqda görünür. Məsafə: 5-dən 15 saniyəyəyə, standart 7 saniyə. Bu, bir audio fraqmentin transkripsiya üçün göndərilməzdən əvvəl maksimum uzunluğunu məhdudlaşdırır.

Yazı Dayandırma Tətikçisi (mikrofon) inkişaf etmiş VAD parametrlərində mənbə mikrofon səsi daxil olduqda görünür. Məsafə: 0.5-dən 5 saniyəyə, standart 0.5 saniyə. Bu, cari nitq fraqmentini tamamlamaq üçün nə qədər mikrofon səssizliyinin lazım olduğunu təyin edir.

Qeyd Stop Trigger (sistem səsi) mənbə sistem səsi daxil olduqda inkişaf etmiş VAD parametrlərində görünür. Məsafə: 0.5-dən 5 saniyəyə, standart 1 saniyə. O, cari nitq fraqmentini tamamlamaq üçün nə qədər sistem-audio səssizliyinin lazım olduğunu təyin edir.

Yalnız yazı çox tez dayandıqda, çox uzun fasilə gözlədikdə və ya çoxlu əlavə fraqmentlər göndərildikdə inkişaf etmiş VAD parametrlərini dəyişdirin.

Parametrləri Dəyişmə

Buffer Duration Toggle-də görünür. Məsafə: 0-dan 15 saniyəyə, standart 4 saniyə. Bu, yazının əvvəlində bir neçə saniyə əlavə edir, bu da fraza başlayandan sonra qısa düyməni bir az basanda kömək edir.

Səsli ekran görüntüləri göndər Toggle-də görünür və standart olaraq aktivdir. O, avtomatik olaraq çatdan ekran görüntülərini audio fraqmentə əlavə edir.

Səsi yoxlamaq üçün nitq qabaqcıl Toggle parametrlərindədir və standart olaraq aktivdir. Yazı Silero VAD-dan keçir və nitqi olmayan fraqmentlər atılır. Yalnız səs göndərmək lazım olduqda, o cümlədən səssizlik və səs-küy lazım olduqda deaktiv edin.

Oneshot Mühitləri

Tutma Müddəti Oneshot-da görünür. Məsafə: 5-dən 60 saniyəyəyə, standart 20 saniyə. Qısa düyməni basanda bufferdən neçə son saniyəni ayırmaq lazım olduğunu təyin edir.

Tutmadan sonra bufferi təmizləyir Oneshot-da görünür və standart olaraq söndürülür. Aktiv olduqda, hər snapshotdan sonra buffer təmizlənir ki, növbəti basma artıq transkripsiya edilmiş səsi yenidən göndərməsin.

Səsli ekran görüntüləri göndər Oneshot-da görünür və standart olaraq aktivdir. O, avtomatik olaraq çatdan ekran görüntülərini audio fraqmentə əlavə edir.

Səsi nitq üçün yoxla qabaqcıl Oneshot parametrlərindədir və standart olaraq aktivdir. Yazı Silero VAD-dan keçir və nitqi olmayan fraqmentlər atılır. Yalnız səs göndərmək lazım olduqda, o cümlədən səssizlik və səs-küy lazım olduqda deaktiv edin.


Tez-tez verilən suallar

Səs-küydən tetikleyicilərin yazılması

Neyron şəbəkəsi nitq olmayan səsləri yaxşı filtr edir, lakin yüksək fon səs-küy səviyyəsi saxta tetikleyicilərə səbəb ola bilər. Sistem parametrlərində mikrofonun həssaslığını azaltmağa çalışın və ya qulaqcıqdan istifadə edin.

İfadələrin başlanğıcını kəsir

Əl rejimində — buffer uzunluğunu artırın.

Yazılar boş kimi atılır

Neyron şəbəkəsi hər bir yazıda nitqin mövcudluğunu yoxlayır. Əgər model səsi aşkar etmirsə (məsələn, yalnız fon səsi və ya musiqi yazılıbsa), yazı avtomatik olaraq atılır. Mikrofonunuzun düzgün konfiqurasiya olunduğundan və nitqinizin kifayət qədər aydın olduğundan əmin olun.