使用SAPI將音頻（wav文件）轉換爲文本？

Question

我的任務是將音頻文件不是從人類的直接語音轉換成文本。

例如，如果我在wav文件中有「Hello there」存儲，它會將其轉錄爲文本並在屏幕上顯示「Hello there」字符串。

首選但優先級爲C＃的任何語言代碼。

Answer 1

SAPI當然可以做你想做的。從一個進程內識別器開始，將您的音頻作爲文件流連接，設置聽寫模式，然後關閉您。

現在令人失望的一點。你可能不會得到非常好的結果;事實上，我懷疑，除非你很幸運，否則你可能會得到全部垃圾。

有幾個問題：

1. 聽寫真的只有行之有效一旦SR引擎已經被訓練。如果你幸運（像我一樣），你可以得到好的結果，但如果說話者有口音，訓練是必須的。
2. 培訓只適用於單一語音。如果你在一個音頻文件中有多個揚聲器，它將無法正常工作。
3. 聽寫（以及一般語音識別）的音頻模型假定您正在使用近距離通話麥克風（即靠近臉部的麥克風，以儘量減少噪音拾取）。如果你的WAV文件有額外的噪音，準確性會大大降低。

龍自然說專業支持轉錄，但它仍然需要培訓和單一的聲音。 （我相信DNS有一個自定義的音頻模型，適用於語音錄音機。）我自己並沒有使用它，所以我不知道它在您的情況下會有多好。現在

，如果你正在尋找特定關鍵字，其他人已經開始使用「音頻礦業」取得了成功 - 在運行識別尋找在音頻流