文章
為轉錄放慢音頻速度
語速過快、不熟悉的口音和多個重疊的聲音是轉錄停滯的三個主要原因。放慢錄音速度可以爭取更多時間捕捉所說的內容。問題是，簡單的播放速度降低也會降低每個聲音的音高，這反而使語音更難聽懂。本文解釋簡單速度降低與保留音高的時間拉伸之間的區別，並介紹實際上有效的實用速度範圍。
為什麼放慢有幫助
人類語音在短暫的時間窗口內攜帶大量信息。語速快的人每分鐘可以說出 200 個或更多的詞，在這個速度下，耳朵幾乎沒有時間在下一個音節到來之前辨別個別音素。放慢音頻讓大腦每個音節有更多的處理時間，這在三種情況下最為重要：說話者的口音不熟悉，其音素映射與您預期的不同；密集的技術段落，每個詞都攜帶意義，一次聽錯就會產生錯誤的術語；以及錄音中有兩個或更多重疊聲音，耳朵必須同時追蹤多個流。在所有三種情況下，目標不是聽到原本沒有的內容，而是讓自己有足夠的時間準確地聽到已經錄製的內容。0.75x 的播放速度對口音或密集段落通常已經足夠。0.5x 的速度對於前幾次聽過仍無法辨清的短段落很有用。
速度與音高：為什麼簡單的放慢不奏效
放慢音頻最簡單的方法是以低於錄製速率的速率回放採樣。舊式磁帶錄音機就是這樣放慢的：更慢地轉動磁帶，時長和音高一起下降。在 0.75x 時，聲音下降約小三度。在 0.5x 時，下降整整一個八度。結果是我們熟悉的緩慢、低沉的失真，使語音聽起來不自然，反而更難理解，因為區分母音的共振峰頻率都下移了。正確的方法是時間拉伸：在不改變頻率的情況下改變音頻的時長。每個聲音的音高保持不變；只有音節到達的速率發生變化。這是 audio-speed 工具和大多數專用轉錄軟體使用的方法。感知上的結果是，放慢的錄音聽起來像是同一個說話者以較慢的速度說話，這正是以準確轉錄為目標時所需要的。
時間拉伸的工作原理：atempo 方法
在實用音頻工具中，最廣泛使用的時間拉伸演算法基於相位聲碼器，其在 ffmpeg 中的常見實作是 atempo 濾波器。輸入音頻被分割成短小的重疊幀，通常每幀 20 到 40 毫秒。演算法分析相鄰幀之間的相位關係，然後以修改後的速率合成新幀，同時調整相位使連續幀正確對齊。結果是一個連續的輸出信號，其時長已改變但頻率內容沒有改變。由於幀相對於人聲的典型音高週期較短，語音的基礎頻率在拉伸過程中得以保留。這個演算法的一個副作用是，當拉伸幅度較大時，快速瞬態（如輔音的點擊聲）可能略微模糊，因為幀重疊合成引入了少量平均。這不是實作上的缺陷；這是重疊相加演算法族的固有特性。
實用速度範圍與品質限制
對於轉錄工作，兩個速度值可以涵蓋大多數實際需求。在 0.75x 時，語音被拉伸到其原始時長的 133%。輔音群和快速母音過渡變得更容易分離，且變化小到演算法幾乎不引入可感知的偽影。大多數聽眾可以在這個速度下跟上語音，而不失去句子的自然節奏。在 0.5x 時，音頻被拉伸到其原始長度的兩倍。這對單個句子或短暫困難的段落很有用，但對於連續幾分鐘的聆聽來說太慢了；注意力在詞語被辨清之前就會下降。低於 0.5x，輸出品質明顯下降。重疊相加合成開始在持續母音上引入顫音或相位感，而在輔音和母音之間攜帶韻律的時序提示也會失真。ffmpeg 中的 atempo 濾波器對單次通道設置了 0.5x 的最小值，這反映了這個品質限制。低於 0.5x 的值需要串聯兩次通道，偽影水平也會相應上升。對於幾乎所有的轉錄使用情況，在 0.75x 或對短段落最多 0.5x 下操作可以產生乾淨、可用的輸出。
使用 audio-speed 工具在本地完成
本網站的 audio-speed 工具使用編譯為 WebAssembly 的 ffmpeg，完全在瀏覽器中執行。您將音頻檔案拖放到頁面上，設定速度倍數，處理就在您的裝置上進行。錄音在任何時刻都不離開您的機器：沒有上傳、沒有伺服器、沒有第三方服務。這對於錄製的對話、訪談、醫療口述、法律程序，以及任何其他音頻內容敏感的情況都很重要。該工具接受 ffmpeg 處理的常見音頻格式，包括 MP3、WAV、M4A、OGG 和 FLAC。輸出是一個以您選擇的速度可供下載的檔案。由於處理在本地執行，所需時間取決於檔案的長度和您裝置的速度。在現代筆記型電腦上，幾分鐘的音頻通常在不到一分鐘內處理完畢。工具使用本文所述的相同 atempo 濾波器，因此上述品質特性直接適用於您在輸出中聽到的內容。
本文涉及的工具
常見問題
放慢音頻也會改變音高嗎？
這取決於方法。簡單的播放速率降低確實會改變音高：在 0.5x 時，聲音下降整整一個八度。audio-speed 工具使用時間拉伸（atempo 濾波器），可以在不改變音高的情況下改變時長，因此聲音保持其原始頻率。
仍然聽起來乾淨的最慢速度是多少？
在 0.75x 時，大多數錄音的輸出是乾淨的。在 0.5x 時，對短段落是可接受的。低於 0.5x，重疊相加演算法開始在持續母音和輔音過渡上引入可聽的偽影。對於轉錄工作，保持在 0.5x 或以上可以獲得最佳結果。
使用 audio-speed 工具時，檔案會被上傳嗎？
不會。audio-speed 工具完全在瀏覽器中執行。檔案使用 WebAssembly 在您的裝置上本地處理。沒有任何內容傳送到任何伺服器，因此您的錄音內容保持私密。