WMA в текст
WMA живёт в корпоративных архивах: записи совещаний с Windows-ноутбуков, выгрузки из старых систем записи разговоров, «Звукозапись» из Windows XP и 7.
Технические характеристики WMA
| Полное название | Windows Media Audio (контейнер ASF) |
|---|---|
| Контейнер | ASF |
| Кодеки внутри | WMA v2, WMA Pro, WMA Voice |
| MIME-типы | audio/x-ms-wma |
| Расширения | .wma |
| Типичный битрейт | 96 кбит/с |
| Частота дискретизации | 44 100 Гц, стерео, у WMA Voice — моно 16 кГц |
| Сжатие | с потерями |
| Демультиплексирование | не нужно |
| Лимит на файл | 4 ГБ — это примерно 5 824 минут при типичном битрейте |
| Минут в 1 ГБ | 1 456 |
Что конвейер делает именно с WMA
- Разбираем ASF-объекты и находим Stream Properties: в одном ASF может быть несколько потоков с разными кодеками.
- Отдельно обрабатываем WMA Voice — это узкополосный речевой кодек 16 кГц моно, у него другая ветка декодирования, чем у музыкального WMA v2.
- Проверяем Content Encryption Object: DRM-защищённые файлы отклоняем сразу, до списания минут.
- Индекс ASF часто отсутствует у записей, прерванных на середине — читаем пакеты подряд.
Откуда берутся такие файлы
- «Звукозапись» Windows XP/7
- Диктофоны Olympus и Philips в режиме DSS/WMA
- Корпоративные системы записи телефонных разговоров нулевых
- Архивы записей Skype до 2015 года
Грабли, о которых стоит знать заранее
- DRM-защищённый WMA декодировать невозможно
Файлы из старых музыкальных магазинов зашифрованы. Мы определяем это по объекту шифрования и возвращаем понятную ошибку, а не пустой текст.
- WMA Voice звучит «телефонно»
Кодек проектировался под диктовку в моно 16 кГц с сильной компрессией. Точность будет ближе к телефонной, чем к студийной.
- Файлы .asf с расширением .wma, но с видео внутри
Иногда в ASF есть и видеопоток. Мы это определяем и просто игнорируем видео.
Как формат влияет на точность
WMA v2 96 кбит/с даёт результат, сопоставимый с MP3 128. WMA Voice — узкая полоса и агрессивная компрессия, ожидайте деградацию порядка телефонного канала.
| 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 WMA.
Отменять ничего не нужно: у нас нет автопродления и мы не храним данные платёжных карт.
Частые вопросы
- Нужно ли конвертировать WMA в MP3 перед загрузкой?
- Нет, мы декодируем WMA напрямую. Конвертация добавит второе поколение потерь.
- Файл из старого корпоративного архива не читается. Почему?
- Чаще всего это DRM или проприетарный кодек производителя системы записи (например, DSS Pro от Olympus). Напишите нам — DSS/DS2 мы обрабатываем по запросу.
- Есть ли смысл грузить WMA, если рядом лежит WAV?
- Нет, всегда берите WAV: он несжатый и даст нижнюю границу ошибки.