Muat turun nota suara WhatsApp dan anda akan mendapat fail .ogg yang kecil. Di dalamnya ialah audio Opus, codec yang direka untuk panggilan suara.
Cara ia berfungsi
Terdapat dua lapisan, setiap satu ditakrifkan oleh RFC IETF:
| Lapisan | Spesifikasi | Fungsinya |
|---|---|---|
| Codec Opus | RFC 6716 | Memampatkan audio. Ia menggabungkan lapisan linear-prediction berasaskan SILK dengan lapisan MDCT berasaskan CELT, dan merangkumi pertuturan narrowband 6 kbit/s hingga muzik stereo 510 kbit/s |
| Bekas Ogg | RFC 7845 | Membalut paket Opus dalam fail, bermula dengan pengepala pengenalan OpusHead |
RFC 6716 menyenaraikan lima lebar jalur, daripada narrowband (kadar sampel 8 kHz) hingga fullband (48 kHz). RFC 7845 menyatakan bahawa kedudukan granule sentiasa mengira sampel pada 48 kHz, tanpa mengira kadar output penyahkod. Ia mengesyorkan sambungan .opus dan jenis media audio/ogg, secara pilihan audio/ogg; codecs=opus.
Rujukan media WhatsApp Cloud API oleh Meta menyenaraikan audio OGG sebagai audio/ogg dengan “Opus codec only” (Terjemahan BroadRouter: “codec Opus sahaja”), mono, sehingga 16 MB.
Mengapa ia penting
- Banyak API tidak menerimanya. Endpoint speech-to-text yang hanya menerima WAV atau MP3 akan menolak nota suara sehingga anda menukarnya.
- Penukaran adalah murah. Satu arahan ffmpeg menyahkod Opus kepada PCM. Hasilnya jauh lebih besar daripada nota suara, jadi perhatikan had saiz fail.
- Kekeliruan nama. “Opus” juga nama model di penyedia lain. Dalam konteks audio, ia bermaksud codec itu.
Di BroadNet Inference
Endpoint transkripsi BroadNet hanya menerima WAV (audio/wav) atau MP3 (audio/mpeg), sehingga 26,214,400 bait bagi setiap fail. Dokumentasinya menukar nota suara WhatsApp dalam satu langkah:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
-ar menetapkan frekuensi pensampelan audio dan -ac bilangan saluran, menurut dokumentasi ffmpeg, jadi arahan ini menulis WAV mono 16 kHz. Kemudian hantarnya dengan language=ar (atau en) kepada BroadNet Transcribe Arabic atau BroadNet Transcribe. Panduan nota suara WhatsApp mempunyai skrip yang menukar dan mentranskripsi satu folder penuh, dan panduan n8n melakukannya dalam aliran kerja. Untuk nota suara yang terlalu panjang bagi satu fail, pemecah audio mengira cebisannya.
Kesilapan biasa
- Menamakan semula dan bukan menukar. Menukar
.oggkepada.wavtidak mengubah audio di dalamnya. Nyahkod dengan ffmpeg. - Melangkau
-ac 1. Stereo menggandakan saiz WAV tanpa membantu transkripsi.