Web服务器的语音识别

Question

基本上我希望能够扫描已上传到我的网络服务器（LAMP）的音频片段，并获取音频片段的文本内容。

有这样的方法吗？语音识别是否有任何现成的解决方案（最好是基于命令行）？

Answer 1

你说你使用LAMP堆栈，这意味着你依赖PHP。语音识别是一项昂贵的工作，如果由使用C或C ++等低级语言编写的外部工作人员处理，则可以更快地完成。此外，AFAIK没有本地PHP解决方案来完成这种工作。

PHP允许library loading on runtime，我认为这是要走的路。如果我是你，我会在C / C ++语音识别库周围编写一个薄的包装器，并从PHP代码中调用它。有关如何编写此类扩展的更多详细信息，请参阅此SO answer。

您可以使用的一些开源语音识别库：

• CMU Sphinx（以 C 编写， C 和 C ++ 中的API）
• Voce（CMU Sphinx包装器， C ++中的API 和 Java ）

正如您所注意到的那样，没有简单的解决方案，但它仍然可行。祝你好运！