האם הסרת שקט והסרת מילות מילוי הן אותו דבר?
לא — והבלבול הזה עולה לאנשים כסף אמיתי וזמן אמיתי. הסרת שקט מוצאת קטעי אודיו שבהם כמעט כלום לא קורה — הרווח בין משפטים, ההפסקה בזמן שאתם בודקים את הרשימות — וחותכת אותם כך שההקלטה מתקצרת. הסרת מילות מילוי מכוונת לצלילים שבאמת השמעתם: ה"אמם", ה"אה", ה"כאילו" וה"אתה יודע" שמרפדים דיבור. הקלטה יכולה לסבול מכל אחת מהבעיות, משתיהן או מאף אחת, והתיקון לאחת לא עושה כלום לשנייה.
איך עובדת הסרת שקט מבוססת אמפליטודה?
הסרת שקט היא מתמטיקה של אות. הכלי סורק את צורת הגל ושואל שלוש שאלות: כמה שקט רגע צריך להיות כדי להיחשב לשקט (הסף), כמה זמן הקטע השקט צריך להימשך כדי שיהיה שווה לחתוך אותו (משך השקט המינימלי), וכמה מרחב נשימה צריך לשרוד סביב כל חיתוך (הריפוד). כל מה שנכשל בשלושת המבחנים מוסר, והדיבור הנותר מחובר מחדש. תהליך הכוונון המלא מכוסה במדריך שלנו על הסרת שקט מאודיו ומווידאו.
מכיוון שהיא מודדת רק עוצמה, הגישה הזאת מהירה, דטרמיניסטית ובלתי תלויה בשפה. היא לעולם לא צריכה להבין מילה אחת שאמרתם — וזו גם הסיבה שהיא יכולה לרוץ כולה על הטלפון, בשניות, בלי להעלות כלום.
איך עובדת הסרת מילות מילוי עם AI?
הסרת מילות מילוי מתחילה מתמליל. הכלי מריץ המרת דיבור לטקסט על ההקלטה, מסמן את המילים וחלקי המילים שהוא מחשיב כמילוי ומוחק את הקטעים האלה מהאודיו. Descript ו-Cleanvoice הן דוגמאות מוכרות לגישה הזאת. היא באמת שימושית — אבל היא תלויה בדיוק התמלול, היא ספציפית לשפה, ומכיוון שמודלי דיבור כבדים, הכלים האלה בדרך כלל מעבדים את האודיו שלכם בענן במינוי או בתעריף לדקה.
היא גם כרוכה בשיקולי דעת שמד עוצמה לעולם לא ניצב בפניהם. "כאילו" הוא מילוי במשפט אחד ומילה אמיתית במשפט הבא, ולכן כלי תמליל מסמנים מדי פעם מילים שהתכוונתם לשמור — רובם מציעים שלב סקירה בדיוק מהסיבה הזאת.
איזו בעיה באמת יש להקלטה שלכם?
האזינו לשישים שניות ואבחנו. אם ההקלטה מרגישה איטית כי כלום לא קורה בין משפטים — אתם עוצרים, חושבים, לוגמים קפה, מתחילים מחדש — הבעיה היא שקט, ומעבר מבוסס אמפליטודה ישנה את הקצב מהיסוד. אם ההקלטה זורמת אבל כל משפט מתחיל ב"אמם" או נשען על "אתה יודע", הבעיה היא מילות מילוי, ואף מסיר שקט לא ייגע בהן, כי הצלילים האלה הם דיבור: הם יושבים הרבה מעל כל סף סביר.
כדפוס גס: פודקאסטים, הרצאות והקלטות מסך סובלים יותר מרווחים; טייקים ראשונים עצבניים וראיונות לא כתובים סובלים יותר ממילוי. הקלטות ארוכות סובלות לרוב משניהם.
האם SilenceRemover מוחק "אמם" ו"אה"?
לא — ושווה להיות ישירים לגבי זה לפני שאתם מורידים משהו. [SilenceRemover](/) הוא חותך שקט מבוסס סף: הוא מזהה רווחים שקטים עם סף, משך שקט מינימלי וריפוד, ומסיר אותם על המכשיר בלי העלאה ובלי חשבון. הוא לא מתמלל את האודיו שלכם ולא מסיר מילות מילוי. "אמם" הוא צליל שהשמעתם, אז עבור גלאי עוצמה זה דיבור, לא שקט. אם הבעיה העיקרית שלכם היא טיקים מילוליים, אתם רוצים כלי מבוסס תמליל במקום — או בנוסף.
הפשרה עובדת גם בכיוון ההפוך: כלי תמליל כבדים יותר, מבוססי ענן ובתמחור מינוי, וזה המון מנגנון אם הדבר היחיד שלא בסדר בהקלטה שלכם הוא שקט.
אפשר להשתמש בשניהם יחד?
כן, ולאודיו ארוך ומלוטש השילוב נפוץ. הריצו קודם את המעבר מבוסס התמליל: הסירו מילות מילוי בכלי שנבנה לזה, סקרו את החיתוכים המוצעים וייצאו את התוצאה. אחר כך הריצו הסרת שקט על הייצוא הזה כדי להדק את מה שנשאר. הסדר הזה עובד טוב יותר מסיבה פשוטה — מחיקת "אמם" משאירה לרוב מאחור את ההפסקה שהוא ישב בתוכה. המילוי נעלם, אבל הרווח שורד, ומעבר האמפליטודה הוא מה שסוגר אותו. היפוך הסדר אומר שכלי התמליל עובד על אודיו שכבר הודק, והמחיקות שלו פותחות מחדש חורים קטנים שתצטרכו לתקן שוב.
למה כלי אחד לא עושה פשוט את שניהם?
יש חבילות עריכה שמציעות את שניהם, אבל אלה שני מנועים נפרדים מתחת למכסה, וההבדל מתבטא בעלות ובפרטיות. ניתוח אמפליטודה קל מספיק כדי לרוץ בפרטיות על טלפון. עריכה מבוססת תמליל צריכה מודל דיבור, מה שבדרך כלל אומר להעלות את האודיו, לחכות לעיבוד ולשלם על מחשוב. לארוז אותם יחד אומר לשלם מחירי ענן גם כשכל מה שהייתם צריכים הוא החצי הקל — וזו בדיוק הסיבה שכלי שקט ממוקדים על המכשיר קיימים כקטגוריה בפני עצמה.
מה לתקן קודם?
אם אתם מתקנים רק דבר אחד, תקנו את השקט — זה בדרך כלל הרווח הגדול יותר לכל דקת מאמץ, שחותך זמן ריצה אמיתי במעבר אוטומטי אחד. מילות מילוי עדיף לרוב לטפל בהן כהרגל דיבור: להאט ולעצור במקום לומר "אמם" מתקן כל הקלטה עתידית בחינם, וההפסקה שנשארת היא בדיוק מה שמסיר שקט מנקה. ושמרו בעיה שלישית נפרדת בראש — רחש או זמזום רקע קבוע אינו שקט ואינו מילוי; הגבול הזה מכוסה בהסרת שקט מול הסרת רעש.