BroadRouter
Başlayın

Örnekleme hızı (sample rate)

Güncellendi

Örnekleme hızı (sample rate), saniyede yakalanan ses örneği sayısıdır ve hertz (Hz) ile ölçülür. Konuşma tanıma modelleri genellikle 16.000 Hz (16 kHz) mono ses bekler. Örnekleme hızı, bit derinliği ve kanal sayısıyla birlikte sıkıştırılmamış bir ses dosyasının dakika başına boyutunu belirler.

Diğer adları: örnekleme hızı, örnekleme frekansı, ses örnekleme hızı, 16 kHz ses, sample rate, sampling rate, sampling frequency, audio sample rate, 16 kHz audio

Bir ses dosyası çok büyük olduğunda veya bir transkripsiyon isteği reddedildiğinde ilk bakılacak sayı örnekleme hızıdır.

Nasıl çalışır

Dijital ses, ses dalgasını her örnek için bir sayı olmak üzere bir sayı listesi olarak saklar. 16.000 Hz’de kanal başına saniyede 16.000 sayı vardır. 16 bit derinlikte her sayı 2 bayt tutar. Sıkıştırılmamış WAV boyutu bu yüzden şöyledir:

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

Konuşma modelleri genellikle 16 kHz ses üzerinde eğitilir. OpenAI’nin Whisper kodu SAMPLE_RATE = 16000 değerini ayarlar ve her dosyayı ffmpeg üzerinden -ac 1 -ar 16000 ile yükler. FFmpeg’in kendi belgelerinde -ar ses örnekleme frekansını, -ac kanal sayısını ayarlar.

Neden önemli

  • Dosya boyutu sınırları. CD kalitesinde stereo bir WAV, 16 kHz mono’dan 10.584.000 / 1.920.000 = 5,5 kat büyüktür ve 16 kHz’lik bir model için hiçbir kazanç sağlamaz.
  • Yükleme süresi. Küçük dosyalar API’ye daha hızlı ulaşır; bu, sesli botlar için önemlidir.
  • Uyumluluk. Ses etkinliği algılama gibi araçlar yalnızca belirli hızları kabul eder (WebRTC VAD 8, 16, 32 veya 48 kHz alır).
  • Yukarı örneklemeyin. 8 kHz’lik bir telefon görüşmesini 16 kHz’e dönüştürmek dosyayı iki kat büyütür ama hiçbir ayrıntı eklemez.

BroadNet Inference’ta

BroadNet’in transkripsiyon uç noktası dosya başına 26.214.400 bayta (25 MiB) kadar WAV veya MP3 kabul eder. Belgeleri WhatsApp .ogg notlarını ve .m4a kayıtlarını şu komutla dönüştürür:

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

16 bit WAV olarak bir isteğe ne kadar ses sığar:

Format Dakika başına bayt 26.214.400 bayta sığan
16 kHz mono 1.920.000 26.214.400 / 1.920.000 = 13,65 dk, yaklaşık 13 dk 39 sn
44,1 kHz stereo 10.584.000 2,48 dk, yaklaşık 2 dk 29 sn

Daha uzun kayıtları WhatsApp sesli not rehberinde gösterildiği gibi 10 dakikalık parçalara bölün (her biri 600 sn x 32.000 B/sn = 19.200.000 bayt) veya dakika başına çok daha küçük olan MP3 gönderin. language parametresini her zaman ayarlayın. Faturalandırma bayt başına değil ses dakikası başınadır; yani örnekleme hızı yükleme boyutunu değiştirir ama fiyatı değiştirmez. Maliyetleri konuşmadan metne maliyet hesaplayıcısında kontrol edin. Genel resim için bkz. konuşmadan metne.

Sık sorulan sorular

Konuşmadan metne için hangi örnekleme hızını kullanmalıyım?

Yaygın tercih 16 kHz mono'dur. Whisper tüm girdiyi 16.000 Hz'e yeniden örnekler; BroadNet'in belgeleri de sesli notları ffmpeg -ar 16000 -ac 1 ile dönüştürür.

16 kHz WAV'ın bir dakikası ne kadar yer kaplar?

16 bit mono için 16.000 örnek x 2 bayt x 60 saniye = 1.920.000 bayt, yani yaklaşık 1,92 MB; buna küçük bir başlık eklenir.

Daha yüksek örnekleme hızı transkripsiyonu iyileştirir mi?

Model 16 kHz ile çalışıyorsa hayır, çünkü sesi zaten aşağı örnekler. Daha yüksek hız yalnızca yüklemeyi büyütür.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor