Bir WhatsApp sesli mesajını indirdiğinizde küçük bir .ogg dosyası alırsınız. İçinde, sesli aramalar için tasarlanmış bir kodek olan Opus sesi vardır.
Nasıl çalışır
Her biri bir IETF RFC’siyle tanımlanan iki katman vardır:
| Katman | Belirtim | Ne yapar |
|---|---|---|
| Opus kodeki | RFC 6716 | Sesi sıkıştırır. SILK tabanlı doğrusal tahmin katmanını CELT tabanlı bir MDCT katmanıyla birleştirir; 6 kbit/s dar bant konuşmadan 510 kbit/s stereo müziğe kadar çalışır |
| Ogg kapsayıcısı | RFC 7845 | Opus paketlerini, OpusHead tanımlama başlığıyla başlayan bir dosyaya sarar |
RFC 6716, dar banttan (8 kHz örnekleme hızı) tam banda (48 kHz) kadar beş bant genişliği listeler. RFC 7845, kod çözücü hangi hızda çıktı verirse versin granül konumlarının her zaman 48 kHz’deki örnekleri saydığını söyler. .opus uzantısını ve audio/ogg medya türünü, isteğe bağlı olarak audio/ogg; codecs=opus biçimini önerir.
Meta’nın WhatsApp Cloud API medya referansı OGG sesi audio/ogg olarak, “Opus codec only” (çeviri: yalnızca Opus kodeki), mono ve en fazla 16 MB şeklinde listeler.
Neden önemli
- Birçok API kabul etmez. Yalnızca WAV veya MP3 kabul eden bir konuşmadan metne uç noktası, siz dönüştürene kadar sesli mesajı reddeder.
- Dönüştürme ucuzdur. Tek bir ffmpeg komutu Opus’u PCM’e çözer. Sonuç, sesli mesajdan çok daha büyüktür; bu yüzden dosya boyutu sınırlarına dikkat edin.
- Ad karışıklığı. “Opus” başka sağlayıcılarda bir model adıdır. Ses bağlamında kodek anlamına gelir.
BroadNet Inference’ta
BroadNet’in transkripsiyon uç noktası yalnızca WAV (audio/wav) veya MP3 (audio/mpeg) kabul eder; dosya başına en fazla 26.214.400 bayt. Belgeleri bir WhatsApp sesli mesajını tek adımda dönüştürür:
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
ffmpeg belgelerine göre -ar ses örnekleme frekansını, -ac ise kanal sayısını ayarlar; yani bu komut 16 kHz mono WAV yazar. Ardından dosyayı language=ar (veya en) ile BroadNet Transcribe Arabic ya da BroadNet Transcribe modeline gönderin. WhatsApp sesli mesaj rehberinde bütün bir klasörü dönüştürüp metne çeviren bir betik var; n8n rehberi ise bunu bir iş akışı içinde yapar. Tek dosyaya sığmayacak kadar uzun bir sesli mesaj için ses bölücü parçaları hesaplar.
Sık yapılan hatalar
- Dönüştürmek yerine yeniden adlandırmak.
.ogguzantısını.wavyapmak içindeki sesi değiştirmez. ffmpeg ile çözün. -ac 1seçeneğini atlamak. Stereo, transkripsiyona katkı sağlamadan WAV boyutunu ikiye katlar.