小编Pat*_*ick的帖子

海社区，

i\xc2\xb4ve 使用 Google\xc2\xb4s txt 转语音 API。

当我想对 wav 音频文件（从视频中提取）进行编码时，某些单词的时间戳不是很精确。（根据谷歌的分辨率是 0,1 秒 - 但就我而言，有时它更弱/延迟）。

我想我可以通过降低音频文件的速度来尝试解决方法，但它\xc2\xb4s或多或少有相同的结果。

有人知道一些用于语音识别的精确 API\xc2\xb4s，或者有一些更好地准备音频文件的提示吗？

我想一一确定单词，包括它们的确切时间戳。

多谢！