做一些一般性研究。是否有任何开源（甚至付费？）工具/程序执行以下操作：
INPUT：一个未标记语音的音频文件，可能只有几句话，（没有迹象表明音频中的语音转录）
OUTPUT：带有语音转录的音频文件（在IPA alphebet中）在音频上对齐并标记
这可能只用一个拼音字典而不用单词字典来完成吗？
答案 0 :(得分：1)
Sphinx具有所有手机功能，可以产生这种输出假设。但是，通过使用语音字典和n-gram语言模型，大多数语音识别得到了强有力的改善。可以在创建假设时使用这些东西，然后将其转换为与Sphinx标记的对齐音素。
这是一个只有语音内容的例子。
http://cmusphinx.sourceforge.net/wiki/phonemerecognition
但是我已经退出讲话rec游戏很长一段时间了。我相信现在大多数人都在为这些概念寻求神经网络，而且我不知道那个空间里有任何开放的神经网络。