iOS 10 SpeechKit：需要帮助在部分结果中获取每个单词的时间戳

Question

现在我需要语音到文本转录中每个单词的时间戳 - 也就是单词开始的时间以及持续时间。

然而，当记录每个转录的结果时，只有在转录完全完成后才会记录时间戳和持续时间。

示例代码（来自Apple）：

// Configure request so that results are returned before audio recording is finished
recognitionRequest.shouldReportPartialResults = true

// A recognition task represents a speech recognition session.
// We keep a reference to the task so that it can be cancelled.
recognitionTask = speechRecognizer.recognitionTask(with: recognitionRequest) { result, error in
    var isFinal = false

    if let result = result {
        self.textView.text = result.bestTranscription.formattedString
        isFinal = result.isFinal

        for word in result.bestTranscription.segments {
            print("\(word.substring)\(word.timestamp)")
        }
    }

    if error != nil || isFinal {
        self.audioEngine.stop()
        inputNode.removeTap(onBus: 0)

        self.recognitionRequest = nil
        self.recognitionTask = nil

        self.recordButton.isEnabled = true
        self.recordButton.setTitle("Start Recording", for: [])
    }
}

有人想过如何实时获取单词的时间戳吗？它们基本上每次返回0直到它完成。我从这里得到示例代码：

https://developer.apple.com/library/prerelease/content/samplecode/SpeakToMe/Introduction/Intro.html

Answer 1

时间戳的计算是计算上昂贵的操作，通常在解码期间不实现，仅作为结果的后处理。因此，在许多引擎中，不可能获得部分时间戳。

如果你仍然想要时间戳，你需要考虑一个不同的库，也可能是一个不同的算法。