macos - 是否有 API（或任何 hack）可以访问 Mac OS X Mavericks 中的增强听写？

Question

我正在尝试找到一种将音频文件转录为文本的简单方法（对于不了解语音识别、配置语言模型、声学模型等的人来说，CMU Sphinx、Julius 等很难）。

我想知道是否有办法将我的音频文件传送到 Mac OS 10.9 Mavericks 的“增强听写”功能中，该功能允许本地离线语音听写。

当我将一根跳线从耳机插孔插入线路时，我认为我很聪明，但不幸的是，当您开始听写时，它会使所有其他音频播放静音（有关如何禁用此静音的任何建议都会得到我的正确答案）。

Answer 1

我还没有找到这样做的直接方法。但是，您可以使用 Soundflower 作为解决方法。

例如，您可以在 VLC 中为您的输出选择 Audio->Audio Device->Soundflower (2ch)。然后在 System Preferences->Dictation & Speech->Dictation->Soundflower (2ch) [在麦克风图标下下拉]。然后您可以在 VLC 中开始播放，并开始听写听写（例如在 TextEdit 中），您应该会看到转录出现。这种方法的缺点是速度慢（仅限于音频的实时播放），并且不利于自动化工作流程。

注意：您必须在切换到 TextEdit 和启动 ED 之前开始音频播放。

Answer 2

macOS 10.15 (Catalina) 中出现了一个 API，它可以访问底层语音系统并允许从音频文件或设备（包括麦克风）转录。由于它也可以从 iOS 10 开始使用，我猜它已被移植到 Mac 上。

它有一些限制。首先，它将其数据传递到 Apple 的服务器进行转录，这可能对您很重要（听写曾经有一个设备上的选项，但在 Catalina 中可能已经消失了？）。可能正因为如此，它在不超过一分钟的时间内处理音频。

有关 API，请参阅语音。

Answer 3

我使用 Dragon Dictate 的解决方法是使用带麦克风的 USB 耳机。我听我想转录的文件并重复我听到的内容。它很笨拙，但也可以使用，并且也可以与 Dictation 一起使用。如果您可以将文件以较慢的速度播放到耳机中，以便您有时间处理所听到的内容并清晰地重复播放，这将很有帮助。