音频到文本：语音识别，但使用音频文件而不是麦克风输入

Question

我想知道我是否可以使用JavaScript自动将错误定时的字幕文件与相应的音频或视频轨道对齐。

我知道语音识别API，这可能会有所帮助，但我不知道有什么办法将音频流输入其中，而不是麦克风输入。关于MDN的文档让我觉得这可能是可能的，但谁知道呢？

  

提供从音频识别语音上下文的功能   输入（通常通过设备的默认语音识别服务）   并做出适当的回应

要明确：我正在寻找一个仅限JavaScript的解决方案。我不想在设备上重新路由输入和输出流。