MKV в текст
MKV отличается от MP4 одним практическим свойством: в нём почти всегда больше одной звуковой дорожки. Русская, оригинальная, комментарии — и выбрать нужно правильную, иначе вы получите текст не на том языке.
Технические характеристики MKV
| Полное название | Matroska Video |
|---|---|
| Контейнер | Matroska |
| Кодеки внутри | H.264 / H.265 / VP9 (видео), AAC / AC-3 / DTS / FLAC / Opus (звук) |
| MIME-типы | video/x-matroska |
| Расширения | .mkv, .mka |
| Типичный битрейт | 4000 кбит/с (из них звук 192 кбит/с — 5% файла) |
| Частота дискретизации | 48 000 Гц, стерео или 5.1 |
| Сжатие | с потерями |
| Демультиплексирование | нужно — звук лежит внутри контейнера с видео |
| Лимит на файл | 8 ГБ — это примерно 280 минут при типичном битрейте |
| Минут в 1 ГБ | 35 |
Что конвейер делает именно с MKV
- Разбираем таблицу дорожек и показываем их с языковыми тегами, названиями и числом каналов — вы выбираете нужную до старта.
- Если в дорожке 5.1, не суммируем все каналы: берём центральный (FC), где в кино и записях конференций живёт речь, а музыка и эффекты разведены по остальным.
- Дорожки DTS и AC-3 декодируем полноценным декодером, а не «первыми двумя каналами».
- Существующие текстовые субтитры (SRT/ASS) внутри MKV извлекаем и предлагаем как черновик — иногда расшифровка вам вообще не нужна.
Откуда берутся такие файлы
- Записи конференций и лекций с многодорожечным звуком
- Архивы вебинаров с оригиналом и синхронным переводом
- Рипы и записи эфиров
- Экспорт из OBS с раздельными дорожками микрофона и системного звука
Грабли, о которых стоит знать заранее
- Дорожка «по умолчанию» может быть не русской
Флаг default выставляет тот, кто собирал файл. Мы не доверяем ему вслепую и всегда показываем список.
- OBS пишет микрофон и системный звук в разные дорожки
Если распознать только дорожку 1, вы потеряете голос собеседника из динамиков. Для созвонов выбирайте смикшированную дорожку или загрузите обе.
- 5.1 сведённый в стерео «в лоб» глушит речь
При простом суммировании центральный канал складывается с фронтами и речь тонет в фоне. Мы этого не делаем — берём FC отдельно.
Как формат влияет на точность
Кодек в MKV на точность влияет мало, критичен выбор дорожки и канала. Ошибка на этом шаге стоит не единиц процентов WER, а полностью нерелевантного текста.
| Модель | Средний WER, % | Далёкий микрофон | Кол-центр |
|---|---|---|---|
| GigaAM v3 RNNT (Сбер, MIT)используем мы | 8,3 | 3,9 | 9,5 |
| GigaAM v2 RNNT | 10,6 | — | — |
| T-one + LM (Т-Банк, Apache-2.0) | 16,3 | — | — |
| Whisper large-v3 | 21 | 16,4 | 23,1 |
Проверка файла и расчёт стоимости
Файл не загружается и никуда не отправляется: длительность читает ваш браузер локально. Ограничения показаны для MKV.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Как узнать, какая дорожка мне нужна?
- Мы показываем язык, название и число каналов каждой дорожки до старта обработки. Обычно достаточно выбрать ту, где язык ru и 2 канала.
- В MKV уже есть субтитры. Можно их просто скачать?
- Да. Если внутри найдены текстовые субтитры, мы отдадим их отдельным файлом бесплатно — минуты за это не списываются.
- Файл MKV на 12 ГБ — что делать?
- Вытащите звук локально: ffmpeg -i file.mkv -map 0:a:0 -vn -c copy audio.mka. Получите десятки мегабайт вместо гигабайт.