我们有一个 Web 应用程序将视频流式传输到 AWS 上托管的 Adobe Media Server 5.0.7 中，然后一个机制拾取视频并将 f4v 文件转码为不同的视频格式，然后存储在 S3 上。
我们想在录制的视频上实现某种语音到文本的机制以供分析。我在“ https://helpx.adobe.com/adobe-media-server/tech-overview/streaming-media.html ”上找到了以下部分
您现在通过 Adobe Media Server 将 Adobe 可扩展元数据平台 (XMP) 元数据嵌入视频流传输到 Flash Player。XMP 是一种标签技术，可让您将有关文件的数据嵌入文件本身。XMP 元数据是一个系统，可将关键媒体信息从创建媒体的位置传递到查看媒体的位置。借助 XMP，应用程序和发布系统可以捕获、共享和利用元数据。在 Adobe Media Server 中，嵌入在媒体文件中的所有元数据都会准确交付。此外，可以交付嵌入文件中并从 Adobe Media Encoder CS4 编码的语音到文本元数据。
有人可以指点我如何在 Adobe Media Server 上实现它的方向吗？