需要能够使用高精度的语音到文本(语音识别)算法将包含语音的音频(例如,来自.MP3,其他音频格式)转换或转录成文本转录本.
有许多可行的方法,这些方法越来越准确,但设计用于设备麦克风中的语音(例如Google Translate /相应的API for web,Dragon app for iOS).
我需要一种方法将音频文件直接输入语音识别引擎/ API.
不想通过扬声器播放音频并使用麦克风捕获音频 – 长时间的音频文件需要相当长的时间,并且会降低音频质量并降低转录质量.
是否存在Web服务,API或代码？是否存在某种现有服务的包装器,它假设麦克风将成为源？
有许多可行的方法,这些方法越来越准确,但设计用于设备麦克风中的语音(例如Google Translate /相应的API for web,Dragon app for iOS).
我需要一种方法将音频文件直接输入语音识别引擎/ API.
不想通过扬声器播放音频并使用麦克风捕获音频 – 长时间的音频文件需要相当长的时间,并且会降低音频质量并降低转录质量.
是否存在Web服务,API或代码？是否存在某种现有服务的包装器,它假设麦克风将成为源？
谢谢
解决方法
现在有一个相对较新的服务,允许Speech to Text自动转录,以及一个伟大的Web界面,用于人类编辑结果.它的：
我们已经使用过它,并对结果感到满意.转录当然不是完美的,但它是一个很好的开始,它允许人工编辑.
现在还有IBM Bluemix / Watson提供的新API和服务.您可以在这里尝试免费演示：
https://speech-to-text-demo.mybluemix.net/
这项服务在将音频(源自麦克风或音频文件)转换为文本方面做得相当不错.目前至少在演示中看来它不使用MP3,但会使用wav和其他格式.此服务具有完整的API,主要用于构建应用程序.
