给定音频源和准确转录的任何语言的时间戳音频

Question

我希望为音频文件中的每个单词获得大致准确的时间戳。我还有原始文本与音频文件一起使用，可以用作各种各样的交叉参考源。这类似于“音频挖掘”，我相信这是你只有输入音频的地方，而在这里我有音频和文字。

我希望使用开源软件这样做，并希望接受大多数语言作为输入（例如，英语，法语，德语，西班牙语，理想的俄语和普通话）。

我甚至会接受一种只能匹配各种单词的时间戳的解决方案（例如，如果转录不完全准确的话）。然后将输出文本与原始文本交叉引用以帮助重新调整事物将更容易。

Answer 1

我在语言学研究中这样做。我使用了一个名为ELAN的程序，我注意到它们的版本（4.5）比我目前在Mac上安装的版本更新。该软件旨在帮助使用聋人语言，因此它支持视频和音频帧，并允许您准确地对齐您的转录。我使用的版本是3.9，该版本用于对文字进行某种自动分段，这是我认为你想做的事情。我没有在最新版本上看到这个功能，也许有一些挖掘它仍然存在。

来自this page的

。

当然，如果您需要早期版本，可以随时使用ELAN 3.9。 ELAN适用于Mac，Linux和Windows，因为它基于Java（我记得）。这是ELAN的链接。还有其他语言注释软件。另一个非常好，但很难学习。它被称为PRAAT。

我希望这会对你有所帮助。如果我不能正确理解你的需求，请告诉我，我会看看能否为你完善我的答案。干杯！