我有超过 100 小时的音频与需要转录为文本的纪录片的视频采访相关联 - 希望每 30 秒左右有某种时间码标记，以便视频可以轻松匹配编辑中的文本套房。
这些文件是 BWAV 24 位 96khz 和 WAV 16 位 48khz，持续时间从 20 分钟到 2 小时不等。
需要在 VM 中设置哪些资源才能执行此类活动？我怀疑这将是相当密集的计算，因此 VM 可能需要 32 个内核和相当数量的内存，但不需要实时响应，因此如果优先级低并且处理文件需要几个小时就可以了。我的预算微乎其微——300 美元几乎是我们能负担得起的所有文件的最高费用（这是我们不以每小时 75 美元以上的价格将这些文件发送到转录服务的原因之一）。
我已经有一个云平台帐户，但从未使用过。如果有人已经做过类似的事情并且可以给我一些帮助，那么我在四处挣扎是没有意义的。