audio - 考虑有一个音频文件，人们可以在其中阅读句子。如何使用C，C++或Java程序知道语音的开始和结束时间

Question

我正在从事自动字幕生成项目。
我的方法是
1.音频提取(使用ffmpeg完成)
2.语音转文字(可以使用狮身人面像4进行，尽管不准确)
3.字幕生成。 (在这里我需要帮助)

考虑有一个音频文件，人们可以在其中阅读句子。如何使用C，C++或Java程序知道语音的开始和结束时间

我们需要字幕文件中特定行的开始和结束时间。因此，在这里如何检索通话开始和结束的时间？

有任何想法吗？

是否可以用声学公式做到这一点。

Answer 1

我知道已经很晚了。但是我已经使用sphinx4做到了。您不需要音频的开始时间。 Sphinx4将为每个识别的单词提供时间。您可以使用它。 This研究论文很有帮助。