MOV в текст
MOV — то, что снимает iPhone. Битрейт у него высокий (HEVC 4K даёт около 50 Мбит/с), поэтому главный совет для MOV — выгружать не видео, а звук.
Технические характеристики MOV
| Полное название | Apple QuickTime File Format |
|---|---|
| Контейнер | QuickTime (предок ISO BMFF) |
| Кодеки внутри | H.264 / HEVC / ProRes (видео), AAC / PCM (звук) |
| MIME-типы | video/quicktime |
| Расширения | .mov, .qt |
| Типичный битрейт | 12000 кбит/с (из них звук 128 кбит/с — 1% файла) |
| Частота дискретизации | 44 100 Гц, стерео, у iPhone с 2018 года — 4 канала при пространственной записи |
| Сжатие | с потерями |
| Демультиплексирование | нужно — звук лежит внутри контейнера с видео |
| Лимит на файл | 8 ГБ — это примерно 96 минут при типичном битрейте |
| Минут в 1 ГБ | 12 |
Что конвейер делает именно с MOV
- Обрабатываем QuickTime-атомы, включая нестандартные Apple-расширения — файл с iPhone не всегда валиден как строгий MP4.
- HEVC не трогаем: только -vn и копирование AAC-дорожки.
- Пространственный звук iPhone (4 канала, Ambisonics-подобная раскладка) сводим в моно по W-компоненте, а не суммированием — иначе речь получает гребенчатую фильтрацию.
- Читаем атом с датой съёмки и подставляем её в шапку DOCX-протокола.
Откуда берутся такие файлы
- Камера iPhone и iPad
- Экспорт из Final Cut Pro и iMovie
- Запись экрана macOS через QuickTime Player
- Профессиональные камеры, пишущие ProRes
Грабли, о которых стоит знать заранее
- MOV с ProRes весит десятки гигабайт
ProRes 422 — это 100+ Мбит/с. Пятиминутный клип уже 4 ГБ. Обязательно вытаскивайте звук локально перед загрузкой.
- Запись экрана QuickTime по умолчанию без звука системы
macOS не даёт захватить системный звук без виртуального устройства. Если вы записывали созвон — в файле только ваш микрофон.
- «Живые фото» и HEIF-видео
Короткие MOV из Live Photo длятся 1,5–3 секунды и часто не содержат речи. Мы их принимаем, но осмысленного текста ждать не стоит.
Как формат влияет на точность
Микрофон iPhone при съёмке с рук — хороший ближний источник; при съёмке лекции из зала это far-field на 10 метров, и именно там разрыв с Whisper максимален (3,9% против 16,4%).
| 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 MOV.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Как быстро вытащить звук из MOV на Mac без ffmpeg?
- QuickTime Player → «Файл» → «Экспортировать как» → «Только аудио». Получите .m4a, загружайте его.
- Видео 4K на 30 минут — сколько это гигабайт?
- При HEVC 4K около 50 Мбит/с это примерно 11 ГБ, что выше нашего лимита 8 ГБ. Выгружайте звуковую дорожку — она займёт около 28 МБ.
- Поддерживается ли пространственный звук iPhone?
- Да, мы корректно сводим четырёхканальную запись в моно, не портя фазовые соотношения.