获取 TTS 的单词时间戳

Question

我有一个日文文本，我正在使用 Google Cloud Text to Speech 功能将其转换为 mp3。

我还希望获得 Google 返回的 mp3 的单词时间戳。

Google Speech to Text 提供了此功能，但是当我将我从 TTS 获得的文件提交到 STT 时，结果并不总是很好。

获取 TTS mp3 单词时间戳的最佳方法是什么？

Answer 1

Google Cloud Speech-to-Text 它是一项基于 ML 的服务，因此预计结果并不总是像您期望的那样“好”，它有其局限性。

我的建议是查看他们关于此主题的相关文档，例如best practices、guide 和讨论它的基础知识page。此外，您可以查看他们的问题跟踪器平台中的问题，例如 issue 以获取有关它的更多信息，即使您在服务中发现可重现的问题，您也可以在那里发布它，这样他们的团队就可以意识到这一点。