以自動方式錄製WMA/MP3音頻？

Question

我有很多WMA格式的語音音頻，我想要機器轉錄它 - 即使轉錄不是100％準確，我認爲它可以幫助很多作爲一些「索引」音頻。我願意編寫一些代碼來實現這一點，但微軟的Speech API可以幫助我嗎？有沒有可以爲我做這個的應用程序？

Answer 1

SAPI當然可以做你想做的。從一個進程內識別器開始，將音頻作爲文件流連接起來（您可能需要將您的WMA文件轉碼爲WAV流，因爲SAPI只需要WAV輸入，但您可以即時進行轉碼），設置聽寫模式，然後離開你。

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WMA文件有額外的噪音，準確性會大幅下降。

我其實會建議使用Dragon Naturally Speaking Professional;他們花了時間和金錢來完成轉錄工作。我自己並沒有使用它，所以我不知道你的情況會有多好。

Answer 2

你需要一個相關的程序來實現這一點，就像一個口述軟件。 Speech API是相反的方式。我不相信這是開源的，因爲這是一個非常非常複雜的軟件。