MPEG в текст
MPEG-PS — это то, во что оцифровывали VHS и что писали DVD-рекордеры. Звук там обычно MP2 224 кбит/с, что для распознавания вполне достаточно; проблема в шуме исходного носителя.
Технические характеристики MPEG
| Полное название | MPEG Program Stream (MPEG-1 / MPEG-2) |
|---|---|
| Контейнер | MPEG-PS |
| Кодеки внутри | MPEG-1/2 Video, MP2 / AC-3 (звук) |
| MIME-типы | video/mpeg |
| Расширения | .mpeg, .mpg, .mpe, .vob |
| Типичный битрейт | 6000 кбит/с (из них звук 224 кбит/с — 4% файла) |
| Частота дискретизации | 48 000 Гц, стерео |
| Сжатие | с потерями |
| Демультиплексирование | нужно — звук лежит внутри контейнера с видео |
| Лимит на файл | 8 ГБ — это примерно 184 минут при типичном битрейте |
| Минут в 1 ГБ | 23 |
Что конвейер делает именно с MPEG
- Разбираем PES-пакеты и собираем аудиопоток по stream_id, игнорируя видео.
- Поддерживаем MP2 (Layer II) — кодек, который сегодня почти нигде не встречается, кроме этих архивов.
- AC-3 из VOB декодируем с приоритетом центрального канала, где в DVD находится речь.
- Для оцифровки с ленты включаем подавление стационарного шума (шипение ленты и фон 50 Гц) до распознавания.
Откуда берутся такие файлы
- Оцифровка VHS и Video8 через ТВ-тюнер
- DVD-рекордеры и файлы VOB с дисков
- Архивы телепередач
- Старые обучающие диски
Грабли, о которых стоит знать заранее
- VOB нарезан по 1 ГБ
DVD хранит фильм как VTS_01_1.VOB, VTS_01_2.VOB и так далее. Это части одной записи — загружайте по порядку.
- Шипение ленты уводит нормализацию
Постоянный широкополосный шум занижает динамику речи. Мы вычитаем его профиль по первым секундам записи.
- MP2 не поддерживается частью браузерных конвертеров
Если локальные утилиты отказались — грузите оригинал, у нас декодер есть.
Как формат влияет на точность
MP2 224 кбит/с сам по себе нейтрален. Реальный источник ошибок — качество исходного носителя: шум ленты, детонация, узкая полоса записи VHS.
| 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 MPEG.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- У меня диск DVD с записью семейного архива. Что грузить?
- Файлы VOB из папки VIDEO_TS по порядку. Мы соберём общий текст.
- Оцифровка 1998 года — есть шанс получить внятный текст?
- Да, если речь разборчива на слух. Мы вычитаем шумовой профиль и используем модель, обученную на спонтанной русской речи.
- Поддерживается ли .vob напрямую?
- Да, VOB — это тот же MPEG-PS.