---
title: "ऑडियो सैंपल रेट क्या है? स्पीच-टू-टेक्स्ट में 16 kHz क्यों"
description: "सैंपल रेट बताता है कि हर सेकंड कितने ऑडियो सैंपल रिकॉर्ड होते हैं। स्पीच मॉडल 16 kHz मोनो क्यों लेते हैं, फ़ाइल साइज़ का हिसाब, और 25 MiB में कितने मिनट आते हैं।"
url: https://broadrouter.com/hi/glossary/sample-rate/
lang: hi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/sample-rate/) (2026-11-16 को अपडेट किया गया).

# सैंपल रेट (sample rate)

अपडेट किया गया 2026-11-16

सैंपल रेट हर सेकंड रिकॉर्ड होने वाले ऑडियो सैंपल की संख्या है, जिसे हर्ट्ज़ (Hz) में नापा जाता है। स्पीच रिकग्निशन मॉडल आम तौर पर 16,000 Hz (16 kHz) मोनो ऑडियो की उम्मीद करते हैं। बिट डेप्थ और चैनल संख्या के साथ मिलकर सैंपल रेट तय करता है कि बिना कंप्रेशन वाली ऑडियो फ़ाइल प्रति मिनट कितनी बड़ी होगी।

अन्य नाम: सैंपल रेट, सैंपलिंग रेट, सैंपलिंग फ़्रीक्वेंसी, sample rate kya hai, 16 khz audio kya hai, sampling rate, sampling frequency, audio sample rate, 16 kHz audio

जब ऑडियो फ़ाइल बहुत बड़ी हो या ट्रांसक्रिप्शन अनुरोध रिजेक्ट हो जाए, तो सबसे पहले सैंपल रेट जाँचें।

## यह कैसे काम करता है

डिजिटल ऑडियो साउंड वेव को संख्याओं की सूची के रूप में सेव करता है, हर सैंपल के लिए एक संख्या। 16,000 Hz पर हर चैनल में प्रति सेकंड 16,000 संख्याएँ होती हैं। 16-बिट डेप्थ पर हर संख्या 2 बाइट लेती है। इसलिए बिना कंप्रेशन वाली WAV का साइज़ यह है:

```text
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
```

स्पीच मॉडल आम तौर पर 16 kHz ऑडियो पर ट्रेन होते हैं। OpenAI का Whisper कोड `SAMPLE_RATE = 16000` सेट करता है और हर फ़ाइल को ffmpeg से `-ac 1 -ar 16000` के साथ लोड करता है। FFmpeg के अपने डॉक्यूमेंटेशन में `-ar` ऑडियो सैंपलिंग फ़्रीक्वेंसी सेट करता है और `-ac` चैनलों की संख्या।

## यह क्यों मायने रखता है

-   **फ़ाइल साइज़ की सीमा.** CD-क्वालिटी स्टीरियो WAV, 16 kHz मोनो से 10,584,000 / 1,920,000 = 5.5 गुना बड़ी होती है, और 16 kHz मॉडल को इससे कोई फ़ायदा नहीं होता।
-   **अपलोड समय.** छोटी फ़ाइलें API तक जल्दी पहुँचती हैं, जो वॉइस बॉट के लिए मायने रखता है।
-   **कम्पैटिबिलिटी.** [वॉइस एक्टिविटी डिटेक्शन](https://broadrouter.com/hi/glossary/vad/) जैसे टूल कुछ ख़ास रेट ही लेते हैं (WebRTC VAD 8, 16, 32 या 48 kHz लेता है)।
-   **अपसैंपल न करें.** 8 kHz फ़ोन कॉल को 16 kHz में बदलने से फ़ाइल दोगुनी हो जाती है, लेकिन कोई नई डिटेल नहीं जुड़ती।

## BroadNet Inference पर

BroadNet का ट्रांसक्रिप्शन एंडपॉइंट हर फ़ाइल में 26,214,400 बाइट (25 MiB) तक की WAV या MP3 लेता है। इसके डॉक्स WhatsApp के `.ogg` नोट्स और `.m4a` रिकॉर्डिंग को इस कमांड से कन्वर्ट करते हैं:

```bash
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
```

16-बिट WAV के रूप में एक अनुरोध में कितना ऑडियो आता है:

| फ़ॉर्मैट | बाइट प्रति मिनट | 26,214,400 बाइट में कितना |
| --- | --- | --- |
| 16 kHz मोनो | 1,920,000 | 26,214,400 / 1,920,000 = 13.65 मिनट, लगभग 13 मिनट 39 सेकंड |
| 44.1 kHz स्टीरियो | 10,584,000 | 2.48 मिनट, लगभग 2 मिनट 29 सेकंड |

इससे लंबे ऑडियो के लिए 10 मिनट के सेगमेंट बनाएँ (600 s x 32,000 B/s = हर सेगमेंट 19,200,000 बाइट), जैसा [WhatsApp वॉइस नोट्स गाइड](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/) में दिखाया गया है, या MP3 भेजें, जो प्रति मिनट कहीं छोटी होती है। `language` हमेशा सेट करें। बिलिंग प्रति ऑडियो मिनट होती है, प्रति बाइट नहीं, इसलिए सैंपल रेट अपलोड साइज़ बदलता है, कीमत नहीं; लागत [स्पीच-टू-टेक्स्ट कॉस्ट कैलकुलेटर](https://broadrouter.com/tools/speech-to-text-cost-calculator/) में जाँचें। पूरी तस्वीर के लिए देखें [स्पीच-टू-टेक्स्ट](https://broadrouter.com/hi/glossary/speech-to-text/)।

## अक्सर पूछे जाने वाले सवाल

### स्पीच-टू-टेक्स्ट के लिए कौन सा सैंपल रेट इस्तेमाल करें?

16 kHz मोनो आम विकल्प है। Whisper हर इनपुट को 16,000 Hz पर री-सैंपल करता है, और BroadNet के डॉक्स वॉइस नोट्स को ffmpeg -ar 16000 -ac 1 से कन्वर्ट करते हैं।

### 16 kHz WAV का एक मिनट कितना बड़ा होता है?

16-बिट मोनो के लिए 16,000 सैंपल x 2 बाइट x 60 सेकंड = 1,920,000 बाइट, यानी लगभग 1.92 MB, साथ में एक छोटा हेडर।

### क्या ज़्यादा सैंपल रेट से ट्रांसक्रिप्शन बेहतर होता है?

नहीं, अगर मॉडल 16 kHz पर काम करता है, क्योंकि वह ऑडियो को वैसे भी नीचे री-सैंपल कर देता है। ज़्यादा रेट से सिर्फ़ अपलोड बड़ा होता है।

## यह भी देखें

-   [स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/) (शब्द)
-   [वॉइस एक्टिविटी डिटेक्शन (VAD)](https://broadrouter.com/hi/glossary/vad/) (शब्द)
-   [स्पीकर डायराइज़ेशन (speaker diarization)](https://broadrouter.com/hi/glossary/diarization/) (शब्द)
-   [टाइमस्टैम्प (स्पीच-टू-टेक्स्ट, timestamps)](https://broadrouter.com/hi/glossary/timestamps-asr/) (शब्द)
-   [WAV फ़ाइल (WAV)](https://broadrouter.com/hi/glossary/wav/) (शब्द)
-   [Ogg Opus](https://broadrouter.com/hi/glossary/ogg-opus/) (शब्द)
-   [API से WhatsApp वॉइस नोट को टेक्स्ट में बदलें](https://broadrouter.com/hi/guides/transcribe-whatsapp-voice-notes/) (गाइड)
-   [अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) (गाइड)
-   [बिज़नेस के लिए वॉइस नोट से टेक्स्ट: WhatsApp और Telegram से टिकट](https://broadrouter.com/hi/blog/voice-notes-to-text-for-business/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-sample-rate&utm_content=page-cta) ·

**स्रोत**

-   [FFmpeg डॉक्यूमेंटेशन, -ar और -ac ऑडियो विकल्प (जाँच: 2026-11-16)](https://ffmpeg.org/ffmpeg.html)
-   [OpenAI Whisper सोर्स, audio.py (SAMPLE\_RATE = 16000) (जाँच: 2026-11-16)](https://github.com/openai/whisper/blob/main/whisper/audio.py)
-   [BroadNet Inference API रेफ़रेंस, ट्रांसक्रिप्शन और ffmpeg कन्वर्ज़न (जाँच: 2026-11-16) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-sample-rate&utm_content=sources)
