audio - 直接来自音频/转录的语音到文本(语音识别)

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

2年前关闭。




Improve this question




需要能够使用语音到文本(语音识别)算法以高精度将包含语音的音频(例如来自 .MP3、其他音频格式)转换或转录为文本转录。
有许多可用的方法可以做到这一点，这些方法越来越准确，但专为对设备麦克风说话的语音而设计(例如 Google 翻译/相应的网络 API、iOS 版 Dragon 应用程序)。
我需要一种将音频文件直接输入语音识别引擎/API 的方法。
不想通过扬声器播放音频并用麦克风捕获它 - 长音频文件需要花费大量时间，并且会降低音频质量和由此产生的转录质量。
是否存在用于此的 Web 服务、API 或代码？假设麦克风将是源的现有服务之一是否有某种包装？

谢谢

Answer 1

现在有一个相对较新的服务，允许 Speech to Text 自动转录，以及一个用于人工编辑结果的优秀网络界面。它的:

https://trint.com/

我们已经使用了它，并对结果感到满意。转录当然不是完美的，但它是一个很好的开始，它允许准备好的人工编辑。

现在，IBM Bluemix/Watson 还提供了一个新的 API 和服务。您可以在此处试用免费演示:

https://speech-to-text-demo.mybluemix.net/

该服务在将音频(来自麦克风或音频文件)转换为文本方面做得相当不错。目前至少在演示中似乎不使用 MP3，但会使用 wav 和其他格式。此服务具有完整的 API，主要设计为内置于应用程序中。