使用SAPI将音频（wav文件）转换为文本？

Question

我的任务是将音频文件不是从人类的直接语音转换为文本。

例如，如果我在wav文件中有“Hello there”商店，它会将其转录为文本并在屏幕上显示“Hello there”字符串。

首选但优先级为C＃的语言代码。

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，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WAV文件有额外的噪音，准确度会急剧下降。

Dragon Naturally Speaking Professional支持转录，但仍需要培训和单一声音。 （我相信DNS有一个适用于录音机的自定义音频模型。）我自己没有使用它，所以我不知道它在你的情况下会有多好用。

现在，如果您正在寻找特定关键字，其他人已经成功使用“音频挖掘” - 运行识别器在音频流中寻找特定关键字