【发布时间】：2009-11-15 20:58:04
【问题描述】：
我的任务是将非人类直接语音的音频文件转换为文本。
例如，如果我将“Hello there”存储在 wav 文件中，它会将其转录为文本并在屏幕上显示“Hello there”字符串。
首选但优先级为 C# 的任何语言代码。
【问题讨论】：
标签： sapi
【发布时间】：2009-11-15 20:58:04
【问题描述】：
SAPI 当然可以做你想做的事。从进程内识别器开始，将您的音频连接为文件流，设置听写模式，然后就可以开始了。
现在是令人失望的一点。你可能不会得到非常好的结果；事实上，我怀疑除非你非常幸运，否则你可能会得到完全的垃圾。
有几个问题：
- 只有在训练了 SR 引擎后，听写才能真正发挥作用。如果你很幸运（像我一样），你可以得到不错的结果，但如果说话者有口音，那么培训是必须的。
- 训练只适用于单一声音。如果您在一个音频文件中有多个扬声器，则效果不佳。
- 听写（以及一般的语音识别）的音频模型假定您使用的是近距离通话麦克风（即，靠近您脸部的麦克风，以最大程度地减少噪音拾取）。如果您的 WAV 文件有额外的噪音，准确度会急剧下降。
Dragon Naturally speak Professional 支持转录，但仍需要培训和单一声音。 （我确实相信 DNS 有一个自定义音频模型可以很好地用于录音机。）我自己没有使用过它，所以我不知道它在你的情况下效果如何。
现在，如果您正在寻找特定的关键字，其他人已经成功使用“音频挖掘” - 运行识别器在音频流上寻找特定的关键字
【讨论】：
-
嗨，埃里克，非常感谢您的回答。实际上，我正在制作自己的应用程序，我希望在其中将音频文件转换为文本。我已经通过经过严格训练的麦克风实现了直接听写方法，以获得有效的结果。现在正在寻找加载音频文件并将其转换为文本。你能推荐任何源代码链接，以便我可以得到一些帮助。我已经尝试过 Dragon 和它的优点，但现在想使用 SAPI 制作我自己的。如果可以的话，请提供帮助。