nlp - 如何计算音频文件中的口语音节数？

Question

我有很多音频文件，音频干净，只有普通话语音。我需要估计每个文件中有多少个音节。有适用于 OS X、Windows 或 Linux 的工具可以估计这些吗？

sample01.wav 15
sample02.wav 8
sample03.wav 5
sample04.wav 1
sample05.wav 18

由于文件较多，首选命令行或批处理软件，例如:

$ application sample01.wav
15

• 使用语音转文本，然后计算出现的字符数的解决方案比较适合。

Answer 1

语音自动分割是一个活跃的科学领域，这意味着没有完美的方法。

2009 年，de Jong 和 Wempe 提出了一种使用 Praat 自动检测人类语音信号中的音节的方法。 。该方法与人为分割相媲美，并已在许多第三方科学研究中得到采用。您可以在他们的科学文章 ( pdf ) 中找到该方法的详细描述，以及对先前提出的方法的历史观点。 Praat 脚本本身和一些教程可以在专用网站 ( www - speechrate ) 上找到。

您可能还对 Harma 开发的另一种分割算法感兴趣已在 Matlab 中实现 ( Harma Syllable Segmentation )