nlp - 同步文本和音频。是否有 NLP/语音到文本库来执行此操作？

Question

我想将语音录音与已知文本同步。是否有可以促进这一点的语音到文本/自然语言处理库？我想我想检测单词边界并从字典中计算候选匹配。我在 SO 上发现的大多数问题都与书面语言有关。

需要但不是必需的：

• 开源
• 开箱即用地兼容美式英语
• 跨平台
• 详细记录

编辑：我意识到这是一个非常广泛，甚至是幼稚的问题，所以提前感谢您的指导。

到目前为止我发现了什么：

• OpenEars（iOS Sphinx/Flite 包装器）

Answer 1

强制对齐

听起来您想在音频和已知文本之间进行强制对齐。

几乎所有研究/工业级语音识别系统都能够做到这一点，因为强制对齐是训练识别系统的重要组成部分，该数据在音频和转录之间没有电话级别对齐的数据。

对齐CMUSphinx

CMU 开源语音识别系统的Sphinx4-1.0 beta 5 版本现在包含一个演示，介绍如何在转录和长语音记录之间进行对齐。