BroadRouter
Mulai

Sample rate (laju sampel)

Diperbarui

Sample rate adalah jumlah sampel audio yang diambil per detik, diukur dalam hertz (Hz). Model pengenalan ucapan umumnya mengharapkan audio mono 16.000 Hz (16 kHz). Bersama bit depth dan jumlah kanal, sample rate menentukan ukuran file audio tanpa kompresi per menit.

Disebut juga: sample rate, laju sampel, frekuensi sampling, laju sampling, audio 16 kHz, sampling rate, sampling frequency, audio sample rate, 16 kHz audio

Sample rate adalah angka pertama yang perlu dicek saat file audio terlalu besar atau permintaan transkripsi ditolak.

Cara kerjanya

Audio digital menyimpan gelombang suara sebagai daftar angka, satu angka per sampel. Pada 16.000 Hz ada 16.000 angka per detik untuk setiap kanal. Setiap angka memakan 2 byte pada kedalaman 16-bit. Karena itu ukuran WAV tanpa kompresi adalah:

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

Model ucapan biasanya dilatih dengan audio 16 kHz. Kode Whisper dari OpenAI menetapkan SAMPLE_RATE = 16000 dan memuat setiap file lewat ffmpeg dengan -ac 1 -ar 16000. Dalam dokumentasi FFmpeg sendiri, -ar mengatur frekuensi sampling audio dan -ac jumlah kanal.

Mengapa penting

  • Batas ukuran file. WAV stereo berkualitas CD berukuran 10.584.000 / 1.920.000 = 5,5 kali lebih besar daripada 16 kHz mono, tanpa manfaat apa pun untuk model 16 kHz.
  • Waktu upload. File yang lebih kecil sampai ke API lebih cepat, dan ini penting untuk voice bot.
  • Kompatibilitas. Tool seperti voice activity detection hanya menerima laju tertentu (WebRTC VAD menerima 8, 16, 32, atau 48 kHz).
  • Jangan upsample. Mengonversi panggilan telepon 8 kHz ke 16 kHz membuat file dua kali lebih besar tetapi tidak menambah detail.

Di BroadNet Inference

Endpoint transkripsi BroadNet menerima WAV atau MP3 hingga 26.214.400 byte (25 MiB) per file. Dokumentasinya mengonversi voice note WhatsApp .ogg dan rekaman .m4a dengan:

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

Berapa banyak audio yang muat dalam satu permintaan sebagai WAV 16-bit:

Format Byte per menit Muat dalam 26.214.400 byte
16 kHz mono 1.920.000 26.214.400 / 1.920.000 = 13,65 menit, sekitar 13 menit 39 detik
44,1 kHz stereo 10.584.000 2,48 menit, sekitar 2 menit 29 detik

Untuk audio yang lebih panjang, pecah menjadi segmen 10 menit (600 detik x 32.000 B/detik = 19.200.000 byte per segmen), seperti di panduan voice note WhatsApp, atau kirim MP3 yang jauh lebih kecil per menitnya. Selalu isi language. Penagihan dihitung per menit audio, bukan per byte, jadi sample rate mengubah ukuran upload tetapi tidak mengubah harga; cek biayanya di kalkulator biaya speech-to-text. Untuk gambaran besarnya, lihat speech-to-text.

Pertanyaan umum

Sample rate berapa yang sebaiknya dipakai untuk speech-to-text?

16 kHz mono adalah pilihan umum. Whisper me-resample semua input ke 16.000 Hz, dan dokumentasi BroadNet mengonversi voice note dengan ffmpeg -ar 16000 -ac 1.

Berapa ukuran satu menit WAV 16 kHz?

Untuk 16-bit mono, 16.000 sampel x 2 byte x 60 detik = 1.920.000 byte, sekitar 1,92 MB, ditambah header kecil.

Apakah sample rate yang lebih tinggi meningkatkan transkripsi?

Tidak, jika modelnya bekerja pada 16 kHz, karena model tetap akan menurunkan sample rate audio. Laju yang lebih tinggi hanya membuat upload lebih besar.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity