זיהוי שקט

רכיב זיהוי שקט מוצא את הקטעים השקטים בהקלטה או בסרטון ומחזיר אותם כרשימה של טווחי זמן. השתמשו בטווחים כדי לחתוך שתיקות מפודקאסט או מראיון, למשל בעזרת רכיב תוכנית עריכה. הרכיב רץ מקומית, בלי מודל AI ובלי מפתח ספק, ולכן הוא עובד בכל מהדורה.

מתי להשתמש

• למצוא שתיקות והפסקות ארוכות בפודקאסט או בראיון לפני העריכה.
• לתת לרכיב עריכה את השתיקות המדויקות שצריך להסיר.
• למדוד איזה חלק מההקלטה הוא שקט ואיזה חלק הוא דיבור.

התחלה מהירה

קלט ופלט

הפלט, קטעי שקט, הוא נתונים, לא אודיו. חברו אותו לרכיב שקורא נתונים, כגון הקלט שקט של רכיב תוכנית עריכה או רכיב חילוץ שדה.

הגדרות

קריאת התוצאה

הפלט קטעי שקט נראה כך:

{
  "version": 1,
  "ranges": [
    { "startMs": 2120, "endMs": 3880 }
  ],
  "durationMs": 6000
}

• השדה ranges — הקטעים השקטים, לפי הסדר שבו הם מופיעים, באלפיות שנייה לפי השעון של ההקלטה המקורית. הערך של endMs לא כלול בטווח, והוא תמיד גדול מהערך של startMs.
• השדה durationMs — האורך של ההקלטה כולה, באלפיות שנייה.

דוגמה

הקלטה של 6 שניות שקטה בין שנייה 2 לשנייה 4. בהגדרות ברירת המחדל:

1. הרכיב מוצא קטע שקט אחד, מכ-2,000 עד כ-4,000 אלפיות שנייה. באורך של 2 שניות, הקטע ארוך מהמינימום של 700 אלפיות שנייה.
2. ריווח הדיבור של 120 אלפיות שנייה מכווץ את הקטע בשני הקצוות. ההתחלה הופכת ל-2,000 + 120 = 2,120 אלפיות שנייה, והסוף הופך ל-4,000 - 120 = 3,880 אלפיות שנייה.

התוצאה היא ה-JSON שלמעלה, וההרצה עולה 11 קרדיטים.

קרדיטים

המחיר של רכיב זיהוי שקט קבוע: 11 קרדיטים להרצה. האורך של ההקלטה, ההגדרות ומספר הטווחים שנמצאו לא משנים את המחיר.

הרכיב מנתח עותק קטן ברזולוציה נמוכה של רצועת האודיו, ולכן גם הקלטה ארוכה נסרקת בתוך שניות.

טיפים

• התעלמו מנשימות. הגדילו את הערך של שקט מינימלי כדי לדלג על נשימות קצרות ועל הרווחים בין מילים. הקטינו אותו כדי לתפוס הפסקות קצרות.
• הגנו על המילים. אם החיתוכים קוטעים את תחילת המילים, הגדילו את הערך של ריווח דיבור. אם נשארות שתיקות ארוכות מדי, הקטינו אותו.
• התייחסו לרעש החדר כשקט. בחדר רועש, למשל עם מאוורר או מזגן, הרעש יכול להיות חזק מסף ברירת המחדל. העלו את הערך של סף שקט, למשל מ--35 ל--30. הורידו אותו, למשל ל--45, כשדיבור חלש מסומן כשקט.
• שמרו על השעון של המקור. הטווחים נמדדים לפי ציר הזמן של ההקלטה המקורית, ולכן הם מתיישרים עם אותו אודיו או וידאו בעריכה מאוחרת יותר.

דרך ה-API

הנתיב POST /v1/silence-detect מקבל את audioUrl, ובנוסף את הפרמטרים האופציונליים thresholdDb (ברירת מחדל -35), minSilenceMs (ברירת מחדל 700) ו-padMs (ברירת מחדל 120). ה-output_data.json של הרצה שהסתיימה הוא התוצאה שלמעלה. כלי ה-MCP הוא silence_detect. ראו את דף ה-API קול ומדיה.