將音頻轉換爲文本

Question

我只想知道在Java或C＃中的庫或外部庫中是否存在任何內容，這些庫允許我獲取音頻文件並解析它並從中提取文本。

我需要做一個應用程序來這樣做，但我不知道從哪裏開始。

Answer 1

這裏有一些選擇：

• Microsoft Speech
• Lumenvox
• Dragon naturally speaking
• sphinx4

Answer 2

你可能會檢查Microsoft Speech API。我認爲他們提供了一個可以用於您的目標的SDK。

Answer 3

對於Java，似乎還有來自Sun的解決方案：javax.speech.recognition

Answer 4

您可以使用SoX（聲音處理程序的瑞士軍刀）將音頻文件轉換爲具有對應於聲音頻率/音量的數值的文本文件。

我已經完成了以前的項目，但不知道確切的命令選項。

下面是該項目的鏈接：http://sox.sourceforge.net/Main/HomePage

Answer 5

下面是使用C＃和System.Speech一個完整的例子

的代碼可以被分成2個主要部分：

配置SpeechRecognitionEngine對象（及其必需的元素） 處理SpeechRecognized和SpeechHypothesized事件。

步驟1：配置SpeechRecognitionEngine

_speechRecognitionEngine = new SpeechRecognitionEngine(); 
_speechRecognitionEngine.SetInputToDefaultAudioDevice(); 
_dictationGrammar = new DictationGrammar(); 
_speechRecognitionEngine.LoadGrammar(_dictationGrammar); 
_speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple); 

在這一點上你的對象是準備開始從麥克風錄製音頻。您需要處理一些事件，以便實際訪問結果。

步驟2：處理所述SpeechRecognitionEngine活動

_speechRecognitionEngine.SpeechRecognized - =新的EventHandler（SpeechRecognized）; _speechRecognitionEngine.SpeechHypothesized - = new EventHandler（SpeechHypothesizing）;

_speechRecognitionEngine.SpeechRecognized + = new EventHandler（SpeechRecognized）; _speechRecognitionEngine.SpeechHypothesized + = new EventHandler（SpeechHypothesizing）;

私人無效SpeechHypothesizing（對象發件人， SpeechHypothesizedEventArgs E）{ ///實時結果從發動機 串realTimeResults = e.Result。文本; }

私人無效SpeechRecognized（對象發件人，SpeechRecognizedEventArgs e）從發動機串finalAnswer = e.Result.Text { ///最終答案; }

就是這樣。如果你想使用一個預先錄製的.wav文件，而不是一個麥克風，你可以使用

_speechRecognitionEngine.SetInputToWaveFile（pathToTargetWavFile）;

代替

_speechRecognitionEngine.SetInputToDefaultAudioDevice（）;

在這些類中有一堆不同的選項，它們值得探索更多細節。

http://ellismis.com/2012/03/17/converting-or-transcribing-audio-to-text-using-c-and-net-system-speech/