使用 Sphinx 识别短语中口语单词的开始/停止时间答案

【问题标题】：Identify start/stop times of spoken words within a phrase using Sphinx使用 Sphinx 识别短语中口语单词的开始/停止时间
【发布时间】：2014-12-03 07:08:03
【问题描述】：

我正在尝试识别短语中各个单词的开始/结束时间。我有一个短语和话语文本的 WAV 文件。

有没有一种智能的方法可以结合这两种数据（音频、文本）来提高 Sphinx 的识别能力？我想要输出的是短语中每个单词的准确开始/停止时间。

（我知道您可以将-time yes 传递给pocketsphinx 以获取我正在寻找的时间数据——但是，语音识别本身并不是很准确。）

解决方案不能针对特定的演讲者，因为我正在使用的语料库包含许多不同的演讲者，尽管他们都使用美国英语。

【问题讨论】：

标签： cmusphinx pocketsphinx

【解决方案1】：

为此，我们有一个专门的工具 - sphinx4 中的音频校准器。你可以检查

http://cmusphinx.sourceforge.net/2014/07/long-audio-aligner-landed-in-trunk/

【讨论】：

谢谢尼古拉。事实上，我就是你前几天在 IRC 上帮助过的那个人。
不客气，如果您还有问题，请告诉我。