gpt4 book ai didi

audio - Google语音识别API:每个单词的时间戳?

转载 作者:行者123 更新时间:2023-12-03 14:01:33 26 4
gpt4 key购买 nike

通过对http://www.google.com/speech-api/v2/recognize?...进行请求,可以使用Google的语音识别API来获取音频文件(WAV,MP3等)的转录本

示例:我在WAV文件中说过“一二三五”。 Google API为我提供了这一点:

{
u'alternative':
[
{u'transcript': u'12345'},
{u'transcript': u'1 2 3 4 5'},
{u'transcript': u'one two three four five'}
],
u'final': True
}

问题:是否可以获取说出每个单词的时间(以秒为单位)?

以我的例子:
['one', 0.23, 0.80], ['two', 1.03, 1.45], ['three', 1.79, 2.35], etc.

即在时间00:00:00.23和00:00:00.80之间说了“一个”一词,
在时间00:00:01.03和00:00:01.45(以秒为单位)之间说了“两个”一词。

PS:正在寻找一种支持除英语之外的其他语言的API,尤其是法语。

最佳答案

我相信其他答案现在已经过时了。现在,使用Google Cloud Search API可以实现:
https://cloud.google.com/speech/docs/async-time-offsets

关于audio - Google语音识别API:每个单词的时间戳?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34086379/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com