以自动方式转录WMA / MP3音频？

Question

我有很多WMA格式的语音音频，我想机器转录它 - 即使转录不是100％准确，我认为这可能对某些人来说有点像“索引”的音频。我愿意编写一些代码来实现这一目标，但微软的Speech API可以帮助我吗？是否有可以为我做这个的应用程序？

Answer 1

SAPI当然可以做你想要的。从进程内识别器开始，将音频作为文件流连接（您可能需要将WMA文件转码为WAV流，因为SAPI只接受WAV输入，但您可以动态进行转码），设置听写模式，然后离开。

现在令人失望的一点。你可能不会得到非常好的结果;事实上，我怀疑除非你很幸运，否则你可能会得到全部垃圾。

有几个问题：

1. 一旦SR引擎经过训练，听写真的很有效。如果你很幸运（像我一样），你可以得到好的结果，但如果说话者有口音，训练是必须的。
2. 培训仅适用于单个语音。如果你在一个音频文件中有多个扬声器，它就不会运行良好。
3. 听写的音频模型（以及一般的语音识别）假设您正在使用近距离通话麦克风（即，靠近您的脸部的麦克风，以最大限度地减少噪音拾取）。如果您的WMA文件有额外的噪音，准确度会急剧下降。

我实际上建议使用Dragon Naturally Speaking Professional;他们花了时间和金钱来制作转录。我自己没有用过它，所以我不知道它在你的情况下会有多好用。

Answer 2

你需要一个相应的程序来实现这一点，就像口述软件一样。另外，Speech API是另一种方式。我不相信这也有开源，因为这是一个非常非常复杂的软件。