来自wav文件的C#语音识别，我需要获取每个单词的时间 - lipsync

Question

我已经从 wav 文件构建了一个语音识别解决方案，并将单词分开以用于口型同步应用程序，我需要从语音识别系统获得的是单词 + wav 文件中的时间。我需要获取每个单词甚至字符(字母)的时间，任何类型的时间都可以在“SpeechRecognizedEventArgs”事件下完成，我试过“SpeechDetected”它返回检测开始，可能有效。我试过:

static void recognizer_SpeechDetected(object sender, SpeechDetectedEventArgs e)
{
Console.WriteLine("  Speech detected at AudioPosition = {0}", e.AudioPosition);
// TimeSpan interval = new TimeSpan(0, 0, 01);
// Console.WriteLine(interval.ToString())
}

我在音频开始前只有几毫秒。

recoginzed 事件中的 AudioPosition 为我提供了 wav 文件的完整时间。

我在想什么 如果没有其他方法可以通过文字识别事件来获取时间，或者第二个选项是玩wav 文件，如 2 秒，识别一个或一半的单词，然后完成。这一切都是为了获得某种时机。

也许所有这些都是复杂的想法，因为我不懂 C#。

Answer 1

如果您不想自己编写所有代码，这家公司提供的产品可以满足您的描述:

http://www.freakngenius.com/

如果您确实想制定自己的解决方案，那么一种想法可能是查看不同点的音频音量。音量下降可能表示单词之间有中断。