直接从音频/转录语音到文本(语音识别)

Question

需要能够使用高精度的语音到文本(语音识别)算法将包含语音的音频(例如,来自.MP3,其他音频格式)转换或转录成文本转录本.有许多可行的方法,这些方法越来越准确,但设计用于设备麦克风中的语音(例如Google Translate /相应的API for web,Dragon app for iOS).我需要一种方法将音频文件直接输入语音识别引擎/ API.不想通过扬声器播放音频并使用麦克风捕获音频 - 需要相当长的时间才能播放长音频文件,并降低音频质量并降低转录质量.是否存在Web服务,API或代码？是否存在某种现有服务的包装器,它假设麦克风将成为源？

谢谢

Answer 1

现在有一个相对较新的服务，允许语音到文本自动转录，以及一个很棒的网络界面，用于人工编辑结果。它是：

https://trint.com/

我们已经使用过它，并对结果感到满意。转录当然并不完美，但它是一个很好的开始，并且它允许现成的人工编辑。

IBM Bluemix/Watson 现在还提供了新的 API 和服务。您可以在这里尝试免费演示：

https://speech-to-text-demo.mybluemix.net/

该服务在将音频（来自麦克风或音频文件）转换为文本方面做得相当不错。目前至少在演示中看起来它不使用 MP3，而是使用 wav 等格式。该服务具有完整的 API，主要设计为内置到应用程序中。