0

我已经使用谷歌的语音到文本来转录音频，在该音频中我启用了时间戳，直到那时才成为问题。

我的问题是时间戳是连续的，根据谷歌给出的时间戳（秒和纳秒），单词之间没有间隙，但是我提供的音频在单词之间有明显的间隙。有没有可能，我们可以让时间戳准确地说明音频中所说的单词的确切时间。

我正在尝试计算单词之间的差距，并且我将计算单词之间的沉默。我需要基于此提取沉默。任何帮助都是可观的。

Example:
Language : Japanese

Word: ここ|ココ
Start time: 59 seconds 900000000 nanos
End time: 60 seconds 100000000 nanos
Word: で|デ
Start time: 60 seconds 100000000 nanos
End time: 60 seconds 200000000 nanos
Word: は|ワ
Start time: 60 seconds 200000000 nanos
End time: 60 seconds 300000000 nanos
Word: アニメーション|アニメーション
Start time: 60 seconds 300000000 nanos
End time: 60 seconds 800000000 nanos
Word: キー|キー
Start time: 60 seconds 800000000 nanos
End time: 61 seconds 300000000 nanos
Word: の|ノ
Start time: 61 seconds 300000000 nanos
End time: 61 seconds 400000000 nanos
Word: 削除|サクジョ
Start time: 61 seconds 400000000 nanos
End time: 61 seconds 800000000 nanos
Word: 切り取り|キリトリ
Start time: 61 seconds 800000000 nanos
End time: 62 seconds 900000000 nanos
Word: 貼り付け|ハリツケ
Start time: 62 seconds 900000000 nanos
End time: 64 seconds 0 nanos
Word: そして|ソシテ
Start time: 64 seconds 0 nanos
End time: 64 seconds 900000000 nanos
Word: その|ソノ
Start time: 64 seconds 900000000 nanos
End time: 65 seconds 100000000 nanos
Word: 他|タ,ホカ
Start time: 65 seconds 100000000 nanos
End time: 65 seconds 300000000 nanos
Word: の|ノ
Start time: 65 seconds 300000000 nanos
End time: 65 seconds 400000000 nanos
Word: コマンド|コマンド
Start time: 65 seconds 400000000 nanos
End time: 65 seconds 700000000 nanos
Word: を|オ
Start time: 65 seconds 700000000 nanos
End time: 65 seconds 900000000 nanos
Word: 使用|シヨー
Start time: 65 seconds 900000000 nanos
End time: 66 seconds 200000000 nanos
Word: する|スル
Start time: 66 seconds 200000000 nanos
End time: 66 seconds 500000000 nanos
Word: こと|コト
Start time: 66 seconds 500000000 nanos
End time: 66 seconds 700000000 nanos
Word: が|ガ
Start time: 66 seconds 700000000 nanos
End time: 66 seconds 800000000 nanos
Word: でき|デキ
Start time: 66 seconds 800000000 nanos
End time: 67 seconds 100000000 nanos
Word: ます|マス
Start time: 67 seconds 100000000 nanos
End time: 67 seconds 300000000 nanos
Word: アニメーション|アニメーション
Start time: 67 seconds 300000000 nanos
End time: 68 seconds 500000000 nanos
Word: キー|キー
Start time: 68 seconds 500000000 nanos
End time: 68 seconds 700000000 nanos
Word: を|オ
Start time: 68 seconds 700000000 nanos
End time: 68 seconds 900000000 nanos
Word: 動かす|ウゴカス
Start time: 68 seconds 900000000 nanos
End time: 69 seconds 0 nanos

4

1 回答 1

0

Google 时间戳在单词之间是连续的，并且无法测量单词之间的时间。但是两个连续句子之间的时间间隔是可以测量的，那里的时间戳是不连续的。因此可以测量句子之间的时间间隔并用于执行静音去除

于 2020-07-17T07:16:54.837 回答