查找音频中单词的时间戳

Question

我有一个人类语音的音频文件。音频的长度约为 1 分钟。我想找到音频中所说的单词或短语的时间戳。

是否有任何现有的库可以完成这项任务？

Answer 1

至少有两种方法可以解决这个问题：语音识别和机器学习。哪个更合适取决于您的情况。

使用语音识别，您可以通过已建立的语音到文本识别器运行音频，并根据单词与结果字符串开头的距离来评估单词的时间戳。通过机器学习，您可以为训练数据中的单词或短语生成的音频建立一个模型，然后将测试音频切成合适的长度，并针对模型运行每个音频，以评估它是您正在寻找的单词的可能性。

机器学习方法在时间戳方面可能更准确，但当然首先需要大量训练数据来建立模型。