แปลงไฟล์ WAV เป็นข้อความอย่างไร

อัปโหลดไฟล์ .wav เข้าเครื่องมือแปลง WAV เป็นข้อความได้เลย ไม่ต้องแปลงฟอร์แมตก่อน ภาษาที่พูดถูกตรวจจับอัตโนมัติจากกว่า 100 ภาษา และไฟล์สิบนาทีจะกลับมาในราวหนึ่งนาที เป็นผลลัพธ์พร้อมเวลากำกับที่แก้ไขและส่งออกได้

WAV แบบไม่สูญเสียถอดได้แม่นกว่า MP3 ไหม

แทบไม่ต่าง และนี่คือความเข้าใจผิดที่พบบ่อยที่สุดเกี่ยวกับฟอร์แมตนี้ MP3 128 kbps กับ WAV ไม่บีบอัดของการบันทึกเดียวกันให้ผลเกือบเหมือนกัน เพราะการบีบอัดตัดความถี่ที่ระบบรู้จำเสียงพูดไม่ได้ใช้อยู่แล้วออกไป ระยะห่างจากไมค์และเสียงรบกวนพื้นหลังเปลี่ยนความแม่นยำมากกว่าฟอร์แมตไฟล์มาก

ทำไมไฟล์ WAV ของฉันอัปโหลดไม่สำเร็จ

เกือบทุกครั้งเป็นเรื่องขนาด ไม่ใช่ความยาว เสียงไม่บีบอัดกินราว 10MB ต่อนาที ไฟล์บันทึกสองชั่วโมงจึงอยู่ราว 1.2GB และเกินขีดจำกัด 1GB ต่อไฟล์ แม้จะยังอยู่ในกรอบ 120 นาทีก็ตาม แปลงเป็น FLAC ก่อนจะแก้ปัญหานี้ได้โดยไม่เสียอะไรเลย

ไฟล์ WAV ที่ถอดเสียงได้ยาวสุดเท่าไร

ราว 99 นาทีที่คุณภาพระดับซีดี ซึ่งเป็นจุดที่ 1GB หมดพอดี สั้นกว่าขีดจำกัด 120 นาทีที่ใช้กับฟอร์แมตบีบอัด WAV เป็นกรณีเดียวที่ขนาดมาก่อนความยาว หากแปลงเป็นโมโนหรือ FLAC จะเลยสามชั่วโมงไปไกล

มีวิธีถอดเสียงไฟล์ WAV ฟรีไหม

มี ช่วงแรกคุณแปลง WAV เป็นข้อความได้ฟรี บัญชีใหม่มี 5,000 เครดิต ราว 10 นาที และไม่ต้องผูกบัตร แต่ควรรู้ว่า WAV ไม่บีบอัด 10 นาทีมีขนาดราว 103MB ดังนั้นในแพ็กเกจฟรี ขีดจำกัดขนาดกับความยาวจะมาถึงเกือบพร้อมกัน

ใช้ระบบถอดเสียงที่มีอยู่ใน Word หรือ Windows ไม่ได้เหรอ

ถ้าเป็นไฟล์สั้น เสียงสะอาด และอยู่ในภาษาที่รองรับ ก็มักใช้ได้ และถ้ามันพอสำหรับไฟล์ของคุณ ก็ไม่มีเหตุผลต้องใช้อย่างอื่น ข้อจำกัดที่คนมักเจอคือเพดานความยาวต่อไฟล์ ภาษาที่รองรับน้อยกว่ามาก ผลลัพธ์ที่ส่งออกไม่มีเวลากำกับ และไม่มีทางประมวลผลไฟล์ที่ค้างอยู่หลายไฟล์รวดเดียว

ต้องแปลง WAV เป็น MP3 ก่อนไหม

ไม่ต้อง และไม่ทำจะดีกว่า การแปลงเป็นฟอร์แมตแบบสูญเสียก่อนถอดเสียงคือการทิ้งข้อมูลโดยไม่ได้อะไรกลับมา เหตุผลเดียวที่ควรแปลงคือเรื่องขนาด และในกรณีนั้นปลายทางที่ถูกต้องคือ FLAC เพราะมันย่อไฟล์ได้โดยไม่ทิ้งอะไรเลย

ขอซับจากไฟล์ WAV ได้ไหม

ได้ การส่งออกเป็น SRT และ VTT ทำงานเหมือนกันกับไฟล์ที่มีแต่เสียง ซึ่งมีประโยชน์เมื่อไฟล์บันทึกนั้นจะถูกนำไปคู่กับวิดีโอในภายหลัง เช่น บทสัมภาษณ์ที่ตัดเข้าไปในสารคดี หรือพอดแคสต์ที่เผยแพร่พร้อมตัวเล่นวิดีโอ

ถ้าไฟล์ WAV มีแต่เพลงหรือความเงียบจะเป็นอย่างไร

คุณจะได้ผลลัพธ์เปล่ากลับมา และเครดิตยังถูกหักอยู่ดี เพราะระบบรู้จำทำงานไปแล้วแต่ไม่พบเสียงพูด กับ WAV การเช็กก่อนคุ้มค่ากว่าฟอร์แมตอื่น เพราะไฟล์ไม่บีบอัดที่ยาวจะใช้เวลาอัปโหลดพอสมควรกว่าคุณจะรู้ผล

ถอดเสียงไฟล์ WAV

แปลง WAV เป็นข้อความ พร้อมอธิบายเรื่องขนาดไฟล์

แปลง WAV เป็นข้อความจากไฟล์ .wav ได้เลย ไม่ต้องแปลงฟอร์แมตก่อน WAV เป็นไฟล์ที่ไม่ถูกบีบอัด จึงเป็นฟอร์แมตเสียงเดียวที่มักติดขนาดก่อนติดความยาว หน้านี้จะบอกคุณว่าเส้นนั้นอยู่ตรงไหน ก่อนที่คุณจะเริ่มอัปโหลด

ถอดเสียงไฟล์ WAV ดูวิธีทำงาน

เข้าแบบไม่สูญเสีย ออกมาเป็นข้อความ ราว 99 นาทีต่อไฟล์ WAV TXT / SRT / VTT

วางไฟล์ WAV ตรงนี้

WAV, MP3, M4A, FLAC, OGG, WebM

ตรวจจับภาษาอัตโนมัติ

TXT · SRT · VTT

เวลากำกับการสลับผู้พูด

ถอดเสียง WAV ของฉัน

ทำไมต้อง WAV

ไฟล์ .wav มาจากไหน และทำไมฟอร์แมตนี้ยังอยู่

WAV คือสิ่งที่คุณได้เมื่ออุปกรณ์ตัดสินใจว่าจะไม่ตัดสินใจแทนคุณ ทั้งโปรแกรมบันทึกเสียงของวินโดวส์ Audacity เครื่องอัดเสียงแบบพกพา อุปกรณ์ในห้องประชุม และแทบทุกออดิโออินเทอร์เฟซระดับมืออาชีพ ล้วนเขียนไฟล์เป็น WAV โดยค่าเริ่มต้น เพราะมันเก็บสิ่งที่ไมโครโฟนได้ยินไว้ครบถ้วนโดยไม่ทิ้งอะไรเลย

ฟอร์แมตนี้เกิดในปี 1991 และอยู่ยืนยาวกว่าเกือบทุกอย่างที่ออกมาพร้อมกัน ไม่มีสิทธิบัตร ไม่มีค่าลิขสิทธิ์ ไม่มีรุ่นย่อยให้เลือกผิด ซอฟต์แวร์เสียงทุกตัวที่เคยถูกเขียนขึ้นเปิดไฟล์ .wav ได้ ความน่าเชื่อถือแบบนี้เองที่ทำให้สตูดิโอและหอจดหมายเหตุยังยึดมันเป็นมาตรฐาน

และนั่นก็แปลว่าไฟล์ WAV มีขนาดมหึมาด้วย เสียงไม่บีบอัดคุณภาพระดับซีดีกินราว 10MB ต่อนาที หรือประมาณสิบเท่าของ MP3 ที่เนื้อหาเดียวกัน ข้อเท็จจริงข้อเดียวนี้กำหนดเนื้อหาเกือบทั้งหมดที่ตามมาในหน้านี้

ไม่มีอะไรถูกทิ้ง

WAV เก็บตัวอย่างสัญญาณ PCM แบบดิบ ไม่มีโมเดลจิตวิเคราะห์การได้ยินตัวไหนตัดสินว่าเสียงส่วนไหนที่คุณจะไม่คิดถึง เพราะไม่มีการบีบอัดเกิดขึ้นเลย

ขนาดสิบเท่า

ราว 10MB ต่อนาทีที่คุณภาพระดับซีดี บทสัมภาษณ์หนึ่งชั่วโมงจะอยู่ราว 620MB ขนาดที่เริ่มมีความหมายตอนถึงคิวอัปโหลด

อ่านได้ทุกที่

ไม่ต้องติดตั้งตัวถอดรหัส ไม่มีค่าลิขสิทธิ์ ไม่มีรุ่นย่อย นี่คือเหตุผลที่เครื่องอัดและระบบจัดเก็บยังใช้มันเป็นค่าเริ่มต้นแม้ผ่านมาสามทศวรรษ

ขนาดมาก่อนความยาว

ในฟอร์แมตเสียงอื่นทุกตัว ขีดจำกัดความยาวจะมาก่อน แต่ใน WAV คือขนาดไฟล์ และนั่นคือที่มาของตารางด้านล่าง

นิยาม

การแปลง WAV เป็นข้อความคือการทำอะไร

การแปลง WAV เป็นข้อความคือการรันการรู้จำเสียงพูดกับข้อมูลเสียง PCM ที่ไม่ถูกบีบอัดในไฟล์โดยตรง ไม่มีการแปลงอะไรมาก่อน ตัวรู้จำอ่านตัวอย่างสัญญาณตามที่เป็น แล้วคืนคำพูดออกมาเป็นข้อความพร้อมเวลากำกับ

มีสี่เรื่องเกี่ยวกับการแปลง WAV เป็นข้อความที่ควรรู้ก่อนอัปโหลดครั้งแรก และหนึ่งในนั้นขัดกับสิ่งที่คนส่วนใหญ่คิด

ไม่ต้องแปลงฟอร์แมต คุณไม่ต้องเปลี่ยน .wav เป็น MP3 ก่อน การเปลี่ยนไปเป็นฟอร์แมตแบบสูญเสียก่อนถอดเสียง มีแต่จะเอาข้อมูลที่ตัวรู้จำอาจได้ใช้ออกไป
ความไม่สูญเสียช่วยน้อยกว่าที่คิด ช่องว่างระหว่าง MP3 128 kbps กับ WAV ไม่บีบอัดของการบันทึกเดียวกันนั้นน้อยมาก ระยะห่างจากไมโครโฟนและเสียงรบกวนพื้นหลังมีผลต่อความแม่นยำมากกว่าฟอร์แมตไฟล์อย่างเทียบกันไม่ได้
การรู้จำทำงานที่ 16 kHz อยู่แล้ว โมเดลเสียงพูดทำงานภายในที่ราว 16 kHz แบบโมโน ไฟล์มาสเตอร์ 96 kHz 24 บิตจะถูกลดอัตราสุ่มก่อนที่จะมีการรู้จำใด ๆ ข้อมูลส่วนเกินจึงแค่ทำให้อัปโหลดช้าลง
เวลากำกับมาจากตัวเสียง แต่ละบรรทัดมีเวลาที่มันถูกพูดติดมาด้วย นั่นทำให้ผลลัพธ์จาก WAV ส่งออกเป็น SRT ได้ ซึ่งมีประโยชน์ภายหลังหากเสียงนั้นถูกนำไปคู่กับวิดีโอ

วิธีใช้งาน

แปลง WAV เป็นข้อความใน 4 ขั้นตอน

ทุกอย่างทำงานในเบราว์เซอร์ ไม่ต้องติดตั้งอะไร และไม่มีขั้นตอนแปลงไฟล์ก่อนเริ่ม

อัปโหลด .wav ตามที่เป็น

ลากไฟล์เข้ามาได้เลย ไฟล์ถูกส่งจากเบราว์เซอร์ไปยังที่เก็บโดยตรง ซึ่งเรื่องนี้สำคัญกับ WAV มากกว่าฟอร์แมตอื่น เพราะไฟล์ WAV ใหญ่พอที่ถ้ามีขีดจำกัดขนาดคั่นกลาง ส่วนใหญ่ก็จะผ่านไม่ได้

ระบบอ่านเสียงโดยตรง

ตัวอย่างสัญญาณ PCM ถูกส่งให้ตัวรู้จำโดยไม่ผ่านการเข้ารหัสคั่นกลาง ระหว่างทางไม่มีการตัด ลดทอน หรือบีบอัดซ้ำ

ระบบรู้จำเสียงพูดเริ่มทำงาน

ภาษาที่พูดถูกตรวจจับจากกว่า 100 ภาษา และผลลัพธ์กลับมาเป็นช่วง ๆ พร้อมเวลากำกับ ให้คุณอ่านและแก้ได้

ส่งออกตามที่ต้องการ

ข้อความล้วนสำหรับงานเอกสารและการจดบันทึก หรือ SRT และ VTT ถ้าไฟล์บันทึกนี้จะถูกนำไปคู่กับวิดีโอในภายหลัง

ไฟล์ WAV ยาวสิบนาทีมักกลับมาภายในไม่ถึงหนึ่งนาที สำหรับไฟล์ส่วนใหญ่ การอัปโหลดใช้เวลานานกว่าการถอดเสียงเสียอีก เพราะมีเมกะไบต์ให้ขนย้ายมากกว่านั่นเอง

รู้ไว้ดีกว่าถ้าไฟล์ WAV ของคุณใกล้เพดานขนาด ให้แปลงเป็น FLAC ก่อนอัปโหลดแทนที่จะเป็น MP3 FLAC ก็ไม่สูญเสียคุณภาพเช่นกัน เพียงแต่เก็บตัวอย่างสัญญาณชุดเดิมได้ประหยัดกว่า ที่ราวครึ่งหนึ่งของขนาด

รู้ไว้ดีกว่ากำลังจะอัดเสียงใหม่เพื่อเอามาถอดโดยเฉพาะใช่ไหม 16 kHz โมโนคือทั้งหมดที่ตัวรู้จำใช้ ฟังด้วยหูแล้วบางไปนิด แต่ผลลัพธ์เหมือนกันเป๊ะ ในขนาดไฟล์เพียงเศษเสี้ยว

WAV โผล่มาจากไหน

ไฟล์บันทึกที่มาถึงในรูปแบบ .wav

ทั้งหมดมีรูปแบบร่วมกัน คือ อุปกรณ์เป็นฝ่ายเลือกฟอร์แมต และมันเลือกความเที่ยงตรงมากกว่าความสะดวก

เครื่องอัดเสียงแบบพกพา

นักข่าวและนักวิจัยอัดเป็น WAV เพราะเป็นฟอร์แมตที่อุปกรณ์ไว้ใจ บทสัมภาษณ์หนึ่งชั่วโมงมาถึงราว 600MB

โปรเจกต์ Audacity

ส่งออกเป็น WAV โดยค่าเริ่มต้น หลายครั้งผ่านการทำความสะอาดเสียงมาแล้ว จึงถือเป็นไฟล์ที่ถอดเสียงได้ผลดีกลุ่มหนึ่ง

ระบบห้องประชุม

อุปกรณ์เสียงที่ติดตั้งถาวรบันทึกแบบไม่บีบอัด เสียงมักดีเยี่ยม ไมค์เพดานยังชนะโทรศัพท์ที่วางอยู่อีกฝั่งของโต๊ะ

การบอกจดทางกฎหมายและการแพทย์

หลายที่กำหนดให้ใช้แบบไม่บีบอัดตามระเบียบ เพราะการบีบอัดถือเป็นการเปลี่ยนแปลงรูปแบบหนึ่ง และงานกลุ่มนี้ก็คาดหวังความแม่นยำสูงที่สุดด้วย

ไฟล์มาสเตอร์พอดแคสต์

ไฟล์ที่ตัดต่อเสร็จเก็บเป็น WAV ส่วน MP3 ทำไว้เพื่อเผยแพร่เท่านั้น ถอดเสียงจากมาสเตอร์ก็เท่ากับข้ามการสูญเสียไปหนึ่งชั้น

งานจดหมายเหตุและประวัติศาสตร์บอกเล่า

คลังข้อมูลใช้ WAV เป็นมาตรฐานเพื่อการเก็บรักษา และสิ่งที่ทำให้เทปหลายสิบปีค้นหาได้ในที่สุดก็คือข้อความ

สัมภาษณ์ 30 นาที ราว 310MB ที่คุณภาพระดับซีดี อัปโหลดและถอดเสียงได้ไม่มีปัญหา คิด 15,000 เครดิต

บรรยาย 90 นาที ราว 930MB ใกล้เพดาน 1GB พอที่จะคุ้มกับการแปลงเป็น FLAC ก่อน

บันทึก 2 ชั่วโมง ราว 1.2GB ซึ่งเกินขีดจำกัด แปลงเป็น FLAC หรือโมโนแล้วเสียงชุดเดิมจะลงตัวสบาย ๆ

บันทึกเสียง 5 นาที ราว 52MB อยู่ในโควตาฟรีสบาย ๆ โควตาฟรีครอบคลุมเสียงไม่บีบอัดราวเก้านาทีครึ่ง

เข้าและออก

อะไรเข้าไป อะไรออกมา

WAV และไฟล์เสียงอื่น

MP3, M4A, FLAC, OGG และ WebM ทำงานเหมือนกันหมด ตัวที่ควรรู้จักคือ FLAC ไม่สูญเสียคุณภาพเหมือน WAV แต่ขนาดราวครึ่งเดียว

TXT ไว้อ่าน

ข้อความล้วน จะมีรหัสเวลาหรือไม่ก็ได้ ผลลัพธ์จาก WAV ส่วนใหญ่ลงเอยที่นี่ ทั้งบันทึกการประชุม คำอ้างอิง และเอกสารที่ค้นหาได้

SRT และ VTT

ไฟล์ที่มีเวลากำกับ มีประโยชน์แม้กับไฟล์ที่มีแต่เสียง หากภายหลังจะนำไปคู่กับวิดีโอหรือเผยแพร่พร้อมตัวเล่น

กว่า 100 ภาษา

ตรวจจับอัตโนมัติ ไฟล์ที่สลับภาษากลางคันจะถูกถอดตามภาษาที่พูดจริงในแต่ละช่วง

ไม่มีอะไรถูกเขียนกลับลงในไฟล์ WAV ของคุณ ผลลัพธ์เป็นเอกสารแยกต่างหาก และไฟล์บันทึกต้นฉบับยังคงเดิมทุกประการ

ความแม่นยำ

อะไรกันแน่ที่กำหนดคุณภาพของผลลัพธ์จาก WAV

มีความเชื่อแพร่หลายว่าเสียงไม่บีบอัดจะถอดได้แม่นกว่าอย่างเห็นได้ชัด และความเชื่อนี้กำหนดวิธีที่คนมองเรื่องการแปลง WAV เป็นข้อความ แต่มันไม่จริง และการรู้ว่าทำไมจะช่วยให้คุณไม่ไปปรับผิดจุด

ความไม่สูญเสียไม่ใช่ตัวแปรสำคัญ MP3 128 kbps กับ WAV ไม่บีบอัดของการบันทึกเดียวกันให้ผลเกือบเหมือนกัน เพราะการบีบอัดตัดความถี่ที่สูงกว่าย่านของเสียงพูดทิ้ง ซึ่งตัวรู้จำไม่ได้ใช้อยู่แล้ว
ระยะห่างจากไมค์ต่างหากที่ใช่ เครื่องอัดที่อยู่ห่างสองเมตรจะเก็บทั้งห้องมาพร้อมกับเสียงคน และไม่ว่าความลึกบิตจะสูงแค่ไหนก็กู้สิ่งที่ห้องทำให้เบลอกลับมาไม่ได้ ปัจจัยเดียวนี้หนักกว่าเรื่องฟอร์แมตทั้งหมดรวมกัน
อัตราสุ่มแทบไม่มีผล การรู้จำทำงานที่ราว 16 kHz อะไรที่สูงกว่านั้นถูกทิ้งก่อนที่โมเดลจะได้เห็น ดังนั้น 96 kHz จึงไม่ได้เปรียบ 44.1 kHz เลย
เสียงคลิปแก้คืนไม่ได้ ถ้าตั้งระดับสูงเกินไปจนยอดคลื่นถูกตัดแบน คำเหล่านั้นก็หายไปแล้ว การไม่บีบอัดเพียงหมายความว่าความเพี้ยนถูกเก็บรักษาไว้อย่างซื่อตรง
เพลงประกอบยังทำให้แย่ลงอยู่ดี เพลงที่คลออยู่ใต้เสียงพูดรบกวนการรู้จำมากกว่าเสียงรบกวนคงที่ ให้เอาออกก่อนถอดเสียง เรื่องไฟล์ไม่สูญเสียหรือไม่นั้นไม่มีผลใด ๆ ตรงนี้

ขนาดไฟล์

WAV ยาวได้แค่ไหนก่อนที่ขีดจำกัดขนาดจะหยุดมัน

นี่คือจุดเดียวที่การแปลง WAV เป็นข้อความทำงานต่างจากฟอร์แมตเสียงอื่นทั้งหมด แพ็กเกจแบบเสียเงินให้ไฟล์ละ 120 นาทีหรือ 1GB และเพราะเสียงไม่บีบอัดมีขนาดใหญ่มาก WAV จึงเป็นฟอร์แมตเดียวที่กิกะไบต์หมดก่อน ราว 99 นาที ไม่ใช่ 120 ตัวเลขทั้งหมดเป็นแบบสเตอริโอเว้นแต่ระบุไว้เป็นอย่างอื่น

ฟอร์แมตและคุณภาพ	บิตเรต	ต่อนาที	1GB ได้ประมาณ	ควรทำอย่างไร
WAV 44.1 kHz 16 บิต (ซีดี)	1,411 kbps	10.3 MB	~99 นาที	ต่ำกว่า 90 นาทีสบาย
WAV 48 kHz 24 บิต (สตูดิโอ)	2,304 kbps	16.9 MB	~60 นาที	ต้องแปลงก่อนอัปโหลด
WAV 44.1 kHz 16 บิต โมโน	706 kbps	5.2 MB	~198 นาที	เหลือเฟือสำหรับเสียงพูด
WAV 16 kHz 16 บิต โมโน	256 kbps	1.9 MB	~9 ชั่วโมง	สเปกที่การรู้จำใช้จริง
FLAC (บีบอัดแบบไม่สูญเสีย)	~700 kbps	~5 MB	~200 นาที	ได้ทั้งสองอย่าง
MP3 128 kbps	128 kbps	0.9 MB	~18 ชั่วโมง	สูญเสียแต่เหลือเฟือ

สรุปเชิงปฏิบัติ: ถ้าไฟล์ WAV ของคุณยาวเกินราว 90 นาที ให้แปลงเป็น FLAC ก่อนอัปโหลด FLAC ไม่สูญเสียคุณภาพ ตัวอย่างสัญญาณกลับมาเหมือนเดิมทุกบิต แต่ใช้พื้นที่จัดเก็บราวครึ่งเดียว ซึ่งเลื่อนเพดานจาก 99 นาทีไปเป็นกว่าสามชั่วโมง การแปลงเป็นโมโนจะลดลงอีกครึ่งหนึ่งและไม่เสียอะไรเลยสำหรับเสียงพูด เพราะการรู้จำรวมช่องสัญญาณอยู่แล้ว สิ่งที่ไม่คุ้มจะทำคือแปลงเป็น MP3 เผื่อไว้ เพราะถึงจะพอดีจริง แต่คุณกำลังทิ้งข้อมูลเพื่อขีดจำกัดที่คุณผ่านมาแล้ว

หลังได้ข้อความแล้ว