speech-to-text

0熱度

1回答

我正在構建一個殭屍程序，它將以用戶的列表作爲輸入。在我的後端邏輯中，我使用逗號分割列表項，是否有辦法讓Google Actions和Amazon Alexa明白用戶說兩種不同的東西，而Speech to Text需要在兩者之間添加逗號？最後的手段是用戶說單詞逗號，所以它會是逗號B逗號C. 我期望的結果是{用戶暫停一秒鐘} BA {用戶暫停一秒鐘} C將成爲A ，B，C 有沒有想法？感謝

1熱度

1回答

HTK - HMM模型和輸入WAV文件的MFCC代表什麼？

在使用HTK（隱馬爾可夫模型工具包）爲Speech to Text System創建Voxforge's tutorial之後創建MFCC時，我們需要爲我們的手機定義原型模型。我正試圖把這個文件包裹起來。 ~o <VecSize> 25 <MFCC_0_D_N_Z> ~h "proto" <BeginHMM> <NumStates> 5 <State> 2 <Me

9熱度

1回答

如何使用谷歌語音API翻譯直播？

這是谷歌語音API文檔：https://cloud.google.com/speech/docs/sync-recognize 我嘗試此API 2周。但仍然無法解決我的主要目的（翻譯直播）。我正在使用PHP。（其他的語的建議是允許的，我會自己找）我可以在我的2周做：同步語音識別（< = 1分）異步語音識別（> 1min和< = 80分鐘）。注意：我可以修改此接受3小時視頻。從話筒直播

1熱度

1回答

Google的Speech-to-Text API能夠返回語音和文本之間的相關性嗎？

我正在研究一個應用程序，它需要知道語音信號的哪些部分（時間）對應於轉換文本的哪些部分（字）。有誰知道這是否可以使用Google的Speech-to-Text API？

3熱度

1回答

谷歌雲API語法

使用此代碼，我在一個YouTube視頻發現（不知道如果我能夠發佈）： if (File.Exists("audio.raw")) { var speech = SpeechClient.Create(); var response = speech.Recognize(new RecognitionConfig() { Encoding = Recogn

2熱度

2回答

Watson API返回408狀態碼

我們遇到了一個奇怪的watson API行爲。我們正在使用Watson的語音轉文本來轉錄音頻文件，並且最近已升級到較新版本的python sdk。現在，對於一個特定的文件（49 min,45 MB wave file），Watson API始終以status code 408和消息Session timed out響應。它主要發生在我們的登臺服務器上，並且在我們的本地環境中大部分時間都正常工作

5熱度

1回答

Android Bluemix未顯示揚聲器標記

我正在使用IBM bluemix來轉錄某些音頻，並且我想使用API說話人識別。我成立了這樣的識別器： private RecognizeOptions getRecognizeOptions() { return new RecognizeOptions.Builder() .continuous(true) .contentType(ContentTy

1熱度

1回答

使用音頻文件測試Google Speech API

我想查看Google語音API是否足夠滿足我的目的。我有一個音頻文件可供我們測試，但主頁上的演示只能讓您從麥克風錄製。有沒有辦法用音頻文件測試Google的語音處理，而不必先學習API？

0熱度

2回答

有人可以幫我找到我的IBM語音到文本代碼中的錯誤/

我正在使用websockets將請求發送到IBM的語音到文本API，並且我得到一個不斷的管道中斷錯誤。 IBM語音到文本API的文檔說它可以佔用4mb的幀，但我只能給它七十kb而沒有中斷。 https://www.ibm.com/watson/developercloud/doc/speech-to-text/websockets.html#WSopen 此外，如果我給一個70kb以下（5秒）的文

1熱度

1回答

IBM Speech to Text字母數字字符串識別？

在試圖將語音轉換爲文本（IBM語音網關IVR應用程序）以識別字母數字字符串時，我想知道是否可以創建自定義語法或實體來限制STT以識別單個字母和數字，排除單詞共。例如，這是一個典型的字符串：20Y0H8C。沃森回來的話和數字，如「兩」而不是「2」。數字字符串正常工作。我意識到字母識別對於典型的ASR是有問題的，但我希望沃森能夠勝任這項任務。我注意到沒有用於字母數字字符的系統實體。任何建議，非常感謝。