我需要从大量的长音频文件中挑选单词和短语，最终目标是为每个短语的起点和终点生成时间戳。单词和短语是对事件的描述和简短注释，这些事件需要加上时间标记。我已经看到了对Google GAudI的引用，但是它已经消失了（link）。我已经看到了另一个解决方案（Simple Audio Indexer），但是它需要IBM Watson。也许可以使用Android语音到文本处理器？谁能推荐其他解决方案？我更喜欢使用Python接口的解决方案，但是Java也可以。谢谢。
我花了很多时间试图让Android手机语音识别以自由格式模式工作，但还没有准备好迎接黄金时段。我和其他人还没有找到一种方法可以每隔几秒钟关闭一次蜂鸣声。
因此，我录制了完整的音频文件，并通过索引器运行它们。我找到了一个有趣的解决方案，称为Aeneas，但它依赖于名为eSpeak的旧软件包，因此无法将其安装在OSX上（eSpeak需要对OSX现在已锁定的目录具有安装特权）。
接下来，我尝试了简单音频索引器（SAI）。在IBM Watson BlueMix上设置帐户很容易，并且可以为您提供1000分钟的免费STT（语音到文本）时间。SAI易于安装，易于使用且运行良好。我曾经pydub将M4A / AAC文件转换为WAV。我确实遇到了需要IBM支持的问题，他们在两个小时内给出了一个运行参数以解决我的问题（需要将inactivity_timeout扩展到默认的30秒以外）以响应。现在运行良好。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句