ऑडियो - अपलोड पर एक वेवफॉर्म थंबनेल और मांग पर चोटी और प्रतिलेखन

शिप

23 सितंबर 2026 को 8:21 am बजे UTC

लेखक

Kamo

Commit

d2e504a

एक अपलोड की गई ऑडियो फ़ाइल डॉक्स पीडीएफ पथ के माध्यम से गिर गई, जो एक खुल नहीं सकती, इसलिए हर ऑडियो अपलोड एक रिक्त पुस्तकालय टाइल के साथ समाप्त "Conversion विफल" समाप्त हो गया। ऑडियो अब अपनी खुद की शाखा लेता है, वीडियो की तरह: खरोंच करने के लिए स्ट्रीम किया गया (कभी कभी भी हेप में), ने ONCE को चोटियों में डिकोड किया, और इसके पेज-0 जावा में उन चोटियों से खींचा थंबनेल। ffmpeg's showwavespic, जो हर डिकोडेड रखती है फ़ाइल के अंत तक फ्रेम: 30 मिनट के MP3 के लिए 298 MB पर मापा गया और एक घंटे के लिए 546 MB, एक घंटे के लिए दस्तावेजों के लिए एक फली आकार में प्रति अपलोड एक unbounded धागा; 54 MB पर धाराबद्ध डीकोड चोटी। FLAC, जो MIME तालिका एक सामान्य द्विआधारी के रूप में स्टोर, इसके विस्तार से मान्यता प्राप्त है। ************* - GET / peaks - अवधि और 1,600-bucket तरंगफॉर्म (0-255 चोटियों का आधार 64)। ffmpeg पीसीएम है जैसा कि यह स्ट्रीम करता है और प्रति 50 ms विंडो में केवल एक छोटा रखा जाता है, इसलिए एक घंटे की लागत 72,000 शॉर्ट्स होती है; ब्राउज़र का डिकोडऑडियोडाटा एक ही घंटे के लिए एक गीगाबाइट पर होगा। संरक्षित <datId> peaks v1.json के रूप में फ़ाइल, इसलिए यह प्रति सामग्री एक बार गणना की जाती है। - POST -GET / transcript - एक समयबद्ध WebVTT प्रतिलिपि व्हिस्पर-asr (vad filter on) से, एक नौकरी के रूप में चला जाता है <datId> transcript v1.json में अपने राज्य के साथ आभासी धागे पर, जो या तो प्रतिकृति पढ़ सकता है (एक इन-मेमोरी जॉब टेबल दूसरे पॉड के लिए अदृश्य होगा)। एक समय में प्रति पॉड एक नौकरी: व्हिस्पर-asr एक CPU-बाउंड प्रतिकृति है जो वॉयसमेल और मीटिंग ट्रांसक्रिप्शन के साथ साझा की गई है। चल रहा है नौकरी अपने स्वयं के धागे से हर मिनट अपने मार्कर को फिर से लिखती है (इससे पहले लिखा जाता है), इसलिए एक नौकरी जिसका फली लेखक को लॉक करने के बजाय तीन मिस्ड बीट्स के बाद विफल हो गया। एक व्हिस्पर टाइमआउट के लिए बाहर;? फिर से शुरू = ट्र्यू एक समाप्त ट्रांसक्रिप्ट की जगह लेता है। लाइव सर्विस के खिलाफ मापा गया: 2 मिनट 7 s रिकॉर्डिंग 25 s ले लिया। दोनों को VIEW DOCUMENTs और इमेजिंग पहुँच स्तर की आवश्यकता होती है और केवल HR संसाधनों की सेवा करती है: वॉयसमेल, कॉल रिकॉर्डिंग और चैट आवाज नोट्स प्रत्येक DocsService में एक प्रति रिकॉर्ड नियम लेता है कि यह सेवा नहीं देख सकते, इसलिए वे कुछ ऐसी चीज तक 404 रह सकते हैं जो उन्हें उस नियम को लाता है। बिल्ड कामो-शेयर्ड-library के ऑडियो MIME उपनाम भी उठाता है: M4A, WAV, OGG और AAC अपलोड एक एमआईएमई मैच के रूप में मना किया जा रहा था।.