Für Entwickler
Audiovorbereitung
Jede Aufnahme durchläuft dieselben Schritte, bevor sie bewertet wird, mit denselben Grenzen für alle. Sie sind Spellys Standard und lassen sich weder pro Aufruf noch pro Schlüssel ändern.
#Was du senden kannst
Jedes gängige Audioformat wird dekodiert: WAV, FLAC, OGG, WebM, MP3 und andere. WAV mit 16 kHz, 16 Bit und Mono braucht keine Umwandlung. Stereo wird zu Mono gemischt, und jede Aufnahme wird auf 16 kHz umgerechnet.
#Länge und Größe
Ein Upload über 960.000 Bytes wird mit HTTP 413 abgelehnt (assess.recordingTooLong). Nur die ersten 15 Sekunden einer Aufnahme werden bewertet.
#Stille an den Rändern
Stille vor dem ersten und nach dem letzten Sprechen wird abgeschnitten, mit 750 ms rund um das Sprechen. Sprechen ist alles, was lauter ist als 5 % des höchsten Pegels der Aufnahme, der 150 ms lang gehalten wird, sodass ein Klick am Rand den Pegel nicht bestimmen kann.
#Abgelehnte Aufnahmen
Eine abgelehnte Aufnahme bekommt keinen Wert und kostet nichts: Ihre Abrechnung wird zurückgegeben.
- Unlesbar (HTTP 400,
assessment.audioUnreadable): Kein Decoder kann die Datei lesen. - Nichts gehört (HTTP 422,
assessment.nothingHeard): Die Aufnahme ist still (ihr Spitzenwert liegt unter 0,01 der Vollaussteuerung, oder ihr höchster Pegel unter -50 dBFS), sie ist Rauschen statt Sprechen (eine mittlere Nulldurchgangsrate über 0,25, während ihr höchster Pegel unter -35 dBFS bleibt), oder das Modell hört keinen Laut darin. - Zu kurz (HTTP 422,
assessment.tooShort): kürzer als 85 ms, das Mindeste, was das Modell liest, oder zu kurz für ihren Text: Das Modell braucht einen Frame von etwa 40 ms für jeden erwarteten Laut, und einen weiteren zwischen zwei gleichen Lauten hintereinander.
Fragen?
Erzähl uns, was du vorhast, und wir melden uns bei dir.