用于从音频流中提取单词（语音）的库？

Question

我有一个音频流，我会从中提取单词（语音）。例如，如果有 audio.wav，我会得到 001.wav、002.wav、003.wav 等，其中每个 XXX.wav 是一个单词。

我正在寻找一个库或程序来做这件事——平台无关紧要，但我更喜欢开源解决方案。

提前感谢您的帮助。

Answer 1

Nuance，制作Dragon Naturally Speaking的公司，有多个Software Development Kits。

Audio Mining 套件似乎符合您的要求：

Dragon NaturallySpeaking SDK AudioMining 是独立于扬声器的 语音识别工具包 使索引的 100% 音频文件中的语音信息。 该技术采用高精度 语音识别转音频文件 带时间戳的 XML 文本 信息。这个可以集成 使用标准的文本搜索产品 实现对特定音频的快速访问 内容。

语音到语音+元数据是最难做对的部分。获得语音 + 元数据后，将单词提取为单独的音频文件是 much more straightforward。