معدل أخذ العينات هو أول رقم تتحقق منه حين يكون الملف الصوتي كبيرًا جدًا أو يُرفض طلب التفريغ.
كيف يعمل
يخزّن الصوت الرقمي الموجة الصوتية قائمةً من الأرقام، رقمًا لكل عينة. عند 16,000 Hz هناك 16,000 رقم في الثانية لكل قناة. ويشغل كل رقم بايتين بعمق 16 بت. ولذلك يكون حجم ملف WAV غير المضغوط:
bytes per second = sample rate x bytes per sample x channels
16 kHz, 16-bit, mono: 16,000 x 2 x 1 = 32,000 B/s -> x 60 = 1,920,000 B per minute
44.1 kHz, 16-bit, stereo: 44,100 x 2 x 2 = 176,400 B/s -> x 60 = 10,584,000 B per minute
تُدرَّب نماذج الكلام عادةً على صوت بمعدل 16 kHz. وتضبط شيفرة Whisper من OpenAI القيمة SAMPLE_RATE = 16000 وتحمّل كل ملف عبر ffmpeg بالخيارين -ac 1 -ar 16000. وفي توثيق FFmpeg نفسه، يضبط -ar تردد أخذ عينات الصوت، ويضبط -ac عدد القنوات.
لماذا يهم
- حدود حجم الملف. ملف WAV ستيريو بجودة CD أكبر بمقدار 10,584,000 / 1,920,000 = 5.5 مرة من ملف 16 kHz أحادي القناة، بلا أي فائدة لنموذج يعمل بمعدل 16 kHz.
- زمن الرفع. تصل الملفات الأصغر إلى الواجهة أسرع، وهذا مهم لروبوتات المحادثة الصوتية.
- التوافق. أدوات مثل كشف النشاط الصوتي لا تقبل إلا معدلات معيّنة (يقبل WebRTC VAD المعدلات 8 أو 16 أو 32 أو 48 kHz).
- لا ترفع المعدل. تحويل مكالمة هاتفية بمعدل 8 kHz إلى 16 kHz يضاعف حجم الملف ولا يضيف أي تفاصيل.
في BroadNet Inference
تقبل نقطة نهاية التفريغ الصوتي في BroadNet ملفات WAV أو MP3 حتى 26,214,400 بايت (25 MiB) للملف. ويحوّل توثيقها ملاحظات واتساب الصوتية بصيغة .ogg وتسجيلات .m4a بالأمر:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
كم من الصوت يتسع في طلب واحد بصيغة WAV بعمق 16 بت:
| الصيغة | البايتات في الدقيقة | ما يتسع في 26,214,400 بايت |
|---|---|---|
| 16 kHz أحادي القناة | 1,920,000 | 26,214,400 / 1,920,000 = 13.65 دقيقة، أي نحو 13 دقيقة و39 ثانية |
| 44.1 kHz ستيريو | 10,584,000 | 2.48 دقيقة، أي نحو دقيقتين و29 ثانية |
لأي تسجيل أطول، قسّمه إلى مقاطع مدة كل منها 10 دقائق (600 ثانية x 32,000 B/s = 19,200,000 بايت لكل مقطع)، كما يوضح دليل ملاحظات واتساب الصوتية، أو أرسل MP3، فحجمه في الدقيقة أصغر بكثير. واضبط language دائمًا. يُحتسب السعر لكل دقيقة صوت لا لكل بايت، فمعدل العينات يغيّر حجم الرفع لا السعر؛ تحقق من التكاليف في حاسبة تكلفة تحويل الصوت إلى نص. وللصورة الكاملة راجع تحويل الصوت إلى نص.