从音频剪辑中提取单词

Question

我想要创建一个应用程序，记录你对麦克风所说的话，并提取所有的文字。

我知道这是许多公司和个人都在努力解决的问题，但我不太确定我们离开发擅长这方面的工具还有多远。

此外，是否有任何可公开使用的工具来实现这一目标？我希望有一个API提供谷歌助理，苹果Siri，或一些东西，我只需上传一个音频剪辑，然后获得说的话。

Answer 1

虽然谷歌确实有一个Google助手SDK，但它的主要目标是从你的软件或设备发送音频，并从助手那里接收音频响应--就像你在谷歌主页上看到的那样。类似地，谷歌的行动的目的是处理所有的自然语言处理(NLP)，并给出一个响应--而不是确切地给出所说的内容(尽管这是一个副作用)。

它听起来更像是你想要的云语音API，它是一个语音到文本(STT)系统。您可能希望将其与类似于云自然语言API的内容结合起来，后者可以解析产生的文本的含义。

Answer 2

微软有必应语音API，用于处理音频和提取所讲的单词。

他们也有自定义语音服务和说话人识别API

自定义语音服务是用来克服语音识别障碍，如说话风格、词汇和背景噪声等。

可用的帮助文档和样本是一个很好的起点。