Жазуу режимдери
Жазуу режими жазуу баскычын же ысык баскычты басканда эмне болорун аныктайт. Бардык режимдерде колдонмо транскрипция үчүн сүйлөө аныкталган фрагменттерди гана жөнөтөт.
Автоматтык (VAD)
VAD үзгүлтүксүз сүйлөшүүлөр, интервьюлар жана чалуулар үчүн эң жакшы, анда сөз сиз ар бир фрагментти башкарбастан башталып, токтой алат.
Маанилүү: сиз дагы эле VADди жаздыруу баскычы же ысык баскыч менен күйгүзүшүңүз керек. Ал күйгөндөн кийин, колдонмо тандалган аудио булактарын угуп, сөздү автоматтык түрдө аныктайт. Кимдир бирөө сүйлөп жатканда, фрагмент жазылат. Тыныгуудан кийин фрагмент жабылып, транскрипцияга жөнөтүлөт. VAD өчүрүлгөндө, колдонмо аудиону талдоону токтотот.
Бул кантип иштейт:
- VADди күйгүзүңүз
- Колдонмо тандалган аудио булактарын угуп, кеп издейт
- Сүйлөө аныкталганда, жазуу фрагменти башталат
- Тыныгуудан кийин фрагмент транскрипцияга жөнөтүлөт
- Эгерде сүйлөө көпкө созулса, жазуу бөлүктөргө бөлүнөт
Manual (Которуу)
Которуу - фрагменттин башталышын жана аягын өзүңүз тандагыңыз келген учурлар үчүн. Жаздыруу баскычын биринчи басуу же Ctrl+R жаздыра баштайт, ал эми экинчи басуу аны токтотуп, аудиону транскрипцияга жөнөтөт.
Жаздыруу башталганга чейин колдонмо кыска фон буферин сактайт. Эгер сиз фразаны баштагандан кийин кыска баскычты бир аз бассаңыз, биринчи секундалар дагы эле кошулушу мүмкүн. Эгерде акыркы фрагментте сөз жок болсо, ал автоматтык түрдө жок кылынат.
Бир атуу (Oneshot)
Бир ок - жооп сураардан мурун толук уккуңуз келген суроолор үчүн. Жаздырууну мөөнөтүнөн мурда баштабаңыз: башка адам бүткүчө күтө туруңуз, андан кийин жаздыруу же баскычын басыңыз Ctrl+R. Колдонмо буферден эң акыркы аудиону алып, аны транскрипциялайт жана жооп үчүн колдонот.
Бул режим кайсы учур маанилүү экенин алдын ала билбеген учурда пайдалуу. Бул узун башталгыч сегментти жаздырбайт; акыркы аудионун бир кыска сүрөтүн алат.
Жазуу режимин тандоо
Жөндөөлөрдү ачыңыз (капталдагы менюдагы тиш белгиси), "Аудио жаздыруу" бөлүмү. Бул жерде сиз жазуу режимин тандап, башка параметрлерди конфигурациялай аласыз.
Бардык жаздыруу жөндөөлөрү
Тартуу жөндөөлөрү колдонмонун жөндөөлөрүндө "Аудио жаздыруу" астындагы. Кээ бир нерселер белгилүү бир жаздыруу режими, аудио булагы, платформа же колдонмонун версиясы үчүн гана көрүнөт.
Негизги орнотуулар
Аудио булагы ар дайым көрүнүп турат. Ал эмне жаздырууну тандайт: системанын аудиосу + микрофон, системанын аудиосу гана же микрофон гана.
Жазуу режими ар дайым көрүнүп турат. Бул жазуу баскычынын жүрүм-турумун аныктайт: VAD, Toggle же Oneshot.
Микрофон тандалган булакта микрофондун аудиосу камтылганда пайда болот. Сиз бул жерден белгилүү бир киргизүү түзүлүшүн тандай аласыз. Эгер сиз "Демейки" деп койсоңуз, системанын демейки микрофону колдонулат.
Output Device тандалган булак тутумдук аудиону камтыганда Windowsта пайда болот. Ал аудиосу жазыла турган динамиктерди же наушниктерди тандайт.
Аудио булагы
Системалык аудио + микрофон чалуулар жана интервьюлар үчүн: ал сиздин үнүңүздү да, башка адамдын аудиосун да тартат.
Системанын аудиосу гана колдонмону же динамиктин аудиосун тартат. Микрофонуңуз камтылган эмес.
Микрофон гана үнүңүздү гана тартат. Аны тутумдун аудиосу керек болбогондо же системанын аудиосу жолтоо болгондо колдонуңуз.
VAD жөндөөлөрү
Чагылган өркүндөтүлгөн VAD жөндөөлөрүндө жана демейки боюнча күйгүзүлгөн. Ал узун сөздү өзүнчө аудио файлдарга бөлөт, андыктан транскрипция жана жоопторду түзүү эртерээк башталышы үчүн.
Chunk Duration бөлүү иштетилгенде өркүндөтүлгөн VAD жөндөөлөрүндө пайда болот. Диапазон: 5-15 секунд, демейки 7 секунд. Ал транскрипцияга жөнөтүлгөнгө чейин бир аудио фрагменттин максималдуу узундугун чектейт.
Жазууну токтотуу триггери (микрофон) булак микрофондун аудиосун камтыганда өркүндөтүлгөн VAD жөндөөлөрүндө пайда болот. Диапазон: 0,5-5 секунд, демейки 0,5 секунд. Ал учурдагы сүйлөө фрагментин бүтүрүү үчүн канча микрофон унчукпай туруу керектигин белгилейт.
Жазууну токтотуу триггери (системалык аудио) булагы тутумдук аудиону камтыганда өркүндөтүлгөн VAD жөндөөлөрүндө пайда болот. Диапазон: 0,5тен 5 секундга чейин, демейки 1 секунд. Ал учурдагы сүйлөө фрагментин бүтүрүү үчүн канчалык системалык-аудио тыныгуу керектигин белгилейт.
Орнотууларды которуштуруу
Буфердин узактыгы Которуштурууда пайда болот. Диапазон: 0дөн 15 секундга чейин, демейки 4 секунд. Ал басма сөздүн башталышына чейин бир нече секунданы кошот, бул фразалар башталгандан кийин тез баскычты бир аз басканда жардам берет.
Скриншотторду аудио менен жөнөтүңүз Которуштурууда пайда болот жана демейки боюнча күйгүзүлөт. Ал автоматтык түрдө чаттан скриншотторду аудио фрагментке тиркейт.
Сүйлөө үчүн аудиону текшериңиз өркүндөтүлгөн Которуу орнотууларында жана демейки боюнча күйгүзүлгөн. Жазуу Silero VAD аркылуу өтүп, сөзсүз фрагменттери жок кылынат. Эгер кандайдыр бир аудио, анын ичинде жымжырттык жана ызы-чуу жөнөтүү керек болсо, аны өчүрүңүз.
Oneshot орнотуулары
Тартуу узактыгы Oneshot пайда болот. Диапазон: 5тен 60 секундга чейин, демейки 20 секунд. Ыкчам баскычты басканда буферден канча акыркы секунд алынарын белгилейт.
Тартып алгандан кийин буферди тазалоо Oneshot'та пайда болот жана демейки боюнча өчүк. Иштетилгенде, ал ар бир сүрөттөн кийин буферди тазалайт, андыктан кийинки басылганда транскрипцияланган аудио кайра жөнөтүлбөйт.
Скриншотторду аудио менен жөнөтүңүз Oneshotта пайда болот жана демейки боюнча күйүп турат. Ал автоматтык түрдө чаттан скриншотторду аудио фрагментке тиркейт.
Сүйлөө үчүн аудиону текшериңиз өркүндөтүлгөн Oneshot жөндөөлөрүндө жана демейки боюнча күйгүзүлгөн. Жазуу Silero VAD аркылуу өтүп, сөзсүз фрагменттери жок кылынат. Эгер кандайдыр бир аудио, анын ичинде жымжырттык жана ызы-чуу жөнөтүү керек болсо, аны өчүрүңүз.
Көп берилүүчү суроолор
Жаздыруу ызы-чуудан келип чыккан триггерлер
Нейрондук тармак кеп эмес үндөрдү жакшы чыпкалайт, бирок фондун жогорку деңгээли жалган триггерлерди пайда кылышы мүмкүн. Тутум жөндөөлөрүнөн микрофондун сезгичтигин азайтып көрүңүз же гарнитураны колдонуңуз.
Сөз айкаштарынын башын кесип
Кол режиминде — буфер узундугун көбөйтүү.
Жаздыруулар бош катары жок кылынат
Нейрондук тармак ар бир жазууну кептин бар-жоктугун текшерет. Эгерде модель үндү аныктабаса (мисалы, фон ызы-чуу же музыка гана жазылган), жазуу автоматтык түрдө жок кылынат. Микрофонуңуз туура конфигурацияланганын жана сүйлөөңүз жетиштүү экенин текшериңиз.