python - pocketsphinx python 给出错误的时间戳

Question

我正在使用 pocketsphinx 将音频转换为文本。它工作正常。现在我想获取每个单词的时间戳。这是我的代码:

import speech_recognition as sr

r = sr.Recognizer()
framerate = 100
with sr.AudioFile("1.wav") as source:

    audio = r.record(source)

    decoder = r.recognize_sphinx(audio, show_all=False)

    print ([(seg.word, seg.start_frame/framerate)for seg in decoder.seg()])

根据他们的文档，默认帧率为 100。我得到了每个单词的开始时间。但是，这是不正确的。相差2秒，有时甚至超过3秒。

这是已知问题还是我遗漏了什么？

Answer 1

我在某处读到比率是 1/100 因此，在我的项目中，我不小心将 1/10 而不是 1/100 但结果实际上对我所做的来说还不错。我建议除以 0.1 或 0.01，看看能为您提供什么。

因此对于您的代码，只需尝试这些变量:

framerate = .1 

或

framerate = .01