Elysia Tools
Навигация
Workflow Playbook
Постройте карту речи в готовой записи, переведите её в субтитры того формата, какого ждёт плеер, выровняйте тайминг субтитров по речи, смикшируйте тифлокомментарий с приглушением программы и докажите, что сообщение выдерживает деградированное прослушивание.
Впервые проходите этот процесс? Следуйте шагам по порядку, начиная с первого инструмента ниже. Уже знаете, что нужно? Переходите сразу к подходящему шагу: все инструменты этого процесса собраны в сравнительной таблице.
Первый инструмент: Сегментация речевой активности
Темы
| Инструмент | Что делает | Категория |
|---|---|---|
| Сегментация речевой активности | Находит вероятную активность в речевой полосе и экспортирует речь/не-речь в JSON, CSV, SRT или список FFmpeg. | Media |
| Транскрибатор аудио в текст (ИИ) | Транскрибирует речь из аудио (wav/mp3/m4a/flac/ogg/webm/aac) в текст, SRT, VTT или JSON моделью grok-stt. До 10 минут. | AI Tools |
| Сдвиг времени субтитров | Сдвигает SRT или WebVTT к вероятному началу речи либо на ручное значение. | Media |
| Ducking аудиоописания | Смешивает описательную дикторскую дорожку и понижает программу во время речи. | Media |
Темы
| Улучшитель вспомогательного прослушивания |
| Повышает ясность звука с очисткой низких частот, EQ речи, шумоподавлением и защитой уровня. |
| Media |
| Симулятор разборчивости тревоги | Проверяет ясность после ограничения полосы, сжатия и шума. | Media |
Готовая речевая дорожка обслуживает слушателей с тихими комнатами, острым слухом и полным вниманием. Все остальные торгуются — глухие и слабослышащие хотят слова текстом, незрячие слушатели хотят, чтобы зрительный мир рассказали, пользователям слуховых аппаратов нужна дорожка, защищающая уровни и одновременно проясняющая речь, а публичное оповещение обязано пережить телефонный динамик и уличный шум. Работа доступности — не благотворительная пристройка после производства, а вторая поверхность доставки со своими артефактами, форматами и проверками. Этот процесс строит её из одной готовой программы — карта речи, субтитры в формате адресата, тифлокомментарий, смикшированный с приглушением, и разборчивость, держащая худшее реалистичное прослушивание.
Всё дальнейшее висит на знании, где речь действительно живёт. Сегментация голосовой активности проходит готовую программу и возвращает речевые и безречевые диапазоны в JSON, CSV, SRT-метках или списке склеек. Карта делает три дела разом — очерчивает то, что требует субтитров, вскрывает безречевые окна, куда начитка может лечь, не сцепившись с диалогом, и вскрывает мёртвую тишину, через которую дорожка прослушивания не должна заставлять никого продираться. Субтитр, парящий над тишиной, — дефект, который карта поймала бы, потому карта идёт первой.
Транскрибация превращает речь в текст, а решение о формате принадлежит адресату — SRT или VTT для плееров с дорожкой, чистый текст для документов и проверки, JSON для конвейеров, обрабатывающих субтитры дальше. Затем идёт шаг, отделяющий рабочие субтитры от позорных, — выравнивание тайминга. Равномерно опаздывающие или спешащие сдвигаются к вероятному началу речи; известная постоянная задержка — тракт вещания, буфер плеера — берёт измеренный ручной сдвиг. Нарастающий дрейф — зверь иной породы — он означает, что файл субтитров и носитель расходятся в самом понимании времени, чаще всего из-за частоты кадров, и честное исправление — перестроить субтитры по правильному источнику. Проверка дешева и не подлежит отмене — первый субтитр, последний, один из середины.
Тифлокомментарий рассказывает зрительный мир слушателям, которые не могут его видеть, и едет поверх программы, которая уступает дорогу приглушением, пока говорит начитка. Ремесло — в двух настройках: глубина и возврат. Глубина задаётся по самому громкому месту под начиткой; если слова там читаются ясно, они читаются везде. Возврат следует собственному ритму программы — музыка и диалог должны отскакивать быстро, а не тонуть в яму. Отказ, который ищут, — худший единичный случай, а не среднее: один неразборчивый вход начитки заставляет тифловерсию перескочить — ровно там, где незрячая слушательница не может закрыть пробел картинкой.
Последний шаг отвечает на вопрос, который производство задаёт редко, — работает ли сообщение, когда слушать тяжело? Для дорожки слухового прослушивания умеренное улучшение чистит низы, клонит эквалайзер к присутствию речи, деликатно убирает шум и прежде всего защищает уровни, ибо прояснённая дорожка, которая клипует, обменяла один барьер на другой. Для публичных оповещений тест деградации нарочно строже — он сужает полосу до телефонного динамика, сжимает, добавляет шум и докладывает, переживает ли разборчивость речи оповещения каждый канал. Предупреждение, работающее только на студийных мониторах, не проверено — о нём лишь помечтали.
Эта страница строит слой доступности одной готовой программы. Соседи держат окружающие работы. Запись, монтаж и соответствие доставки выпуска — владение процесса производства подкастов. Измерение, визуализация и проверка — спектрограммы, осциллограмма, контроль синхронности субтитров — владение страниц анализа аудио. Повреждённая исходная запись — щелчки, фон, ветер — должна сначала пройти реставрацию, прежде чем строить доступность, ибо субтитры неисправленного аудио наследуют его дефекты. Субтитруйте программу здесь — а когда аудитория вырастет, дисциплина вырастет вместе с ней.
Руководство по рабочему процессу
Прогоните сегментацию голосовой активности по готовой программе и получите речевые и безречевые диапазоны в виде JSON, CSV, SRT-меток или списка склеек — карта говорит, что требует субтитров и где начитка комментария может лечь.
Преобразуйте речь в текст с выводом SRT, VTT, чистого текста или JSON, выбирая формат, которого ждёт адресат, а не принимая значение по умолчанию.
Сдвиньте субтитры к вероятному началу речи при равномерном расхождении или примените измеренный ручной сдвиг при известной постоянной задержке, затем проверьте начало, середину и конец программы.
Наложите начитку описания поверх программы так, чтобы программа приглушалась, пока говорит комментарий, и возвращалась, когда он умолкает, — каждый вход остаётся разборчивым над самым громким эпизодом снизу.
SRT и VTT подходят плеерам с дорожкой субтитров, чистый текст подходит документам и копиям для проверки, а JSON — автоматическим конвейерам — выбирайте по месту потребления субтитров, а не по тому, что транскрибатор случайно выдал.
Сдвиг к вероятному началу речи исправляет субтитры, равномерно опаздывающие или спешащие; измеренный ручной сдвиг исправляет известную постоянную задержку — скажем, тракт вещания или буфер плеера — нарастающий по ходу программы дрейф указывает на проблему источника, а не на необходимость ещё раз подтолкнуть время.
Программа должна опуститься настолько, чтобы начитка читалась ясно, и отпускать достаточно быстро, чтобы не пробивать дыру в музыке или диалоге — глубина служит комментариям, время возврата служит программе.
Для дорожки вспомогательного прослушивания примените умеренное улучшение — чистку низов, эквалайзер с опорой на присутствие речи, защиту уровня; для публичных оповещений запустите тест деградации, который докладывает, переживает ли разборчивость речи телефонные динамики, сжатие и шум.