Filformat och ljud
Samplingsfrekvens
Hur många gånger i sekunden ljudsignalen mäts, angivet i hertz.
Samplingsfrekvensen är hur många gånger i sekunden ljudsignalen mäts när den digitaliseras. Den anges i hertz: 16 000 Hz betyder 16 000 mätningar per sekund.
De vanliga värdena
| Frekvens | Används till |
|---|---|
| 8 kHz | Telefoni. Märkbart dovt |
| 16 kHz | Standard för taligenkänning |
| 44,1 kHz | Cd-kvalitet, musik |
| 48 kHz | Video och professionellt ljudarbete |
Varför 16 kHz räcker för tal
En samplingsfrekvens kan återge frekvenser upp till hälften av sig själv. 16 kHz täcker alltså upp till 8 kHz, och där ligger praktiskt taget all information som skiljer talljud från varandra.
De flesta talmodeller, inklusive Whisper, räknar om allt till 16 kHz internt ändå. Att leverera ljud i 48 kHz ger därför inte bättre transkribering, bara större filer.
När det är för lite
8 kHz, alltså telefonkvalitet, klipper bort det översta registret. Där ligger bland annat skillnaden mellan s- och f-ljud. Inspelningar från telefonsamtal transkriberas därför märkbart sämre än inspelningar av samma samtal i ett rum.
Det är också skälet till att ett videomöte kan ge bättre ljud än ett telefonsamtal, även om avståndet till mikrofonen är detsamma.
Praktiskt
Tänk inte på detta. Standardinställningarna på telefon, inspelare och mötesverktyg ligger gott och väl över det som behövs. Det enda att undvika är att välja en ”spara plats”-inställning som sätter ner frekvensen till telefonkvalitet.