Đồng bộ hóa văn bản và âm thanh. Có một thư viện NLP/speech-to-text để làm điều này?

Question

Tôi muốn đồng bộ hóa bản ghi âm với một văn bản đã biết. Có thư viện xử lý ngôn ngữ tự nhiên/lời nói để tạo điều kiện thuận lợi cho việc này không? Tôi tưởng tượng tôi muốn phát hiện các ranh giới từ và tính toán các kết quả ứng cử viên từ một từ điển. Hầu hết các câu hỏi tôi đã tìm thấy trên SO quan tâm bằng văn bản.

mong muốn, nhưng không bắt buộc:

• Open Source
• Tương thích với tiếng Anh Mỹ out-of-the-box
• Cross-nền tảng
• Triệt để ghi

Sửa : Tôi nhận ra đây là một câu hỏi rất rộng, thậm chí ngây thơ, vì vậy cảm ơn trước vì sự hướng dẫn của bạn.

Những gì tôi đã tìm thấy cho đến nay:

• OpenEars (iOS Sphinx/Flite wrapper)

Answer 1

Buộc Alignment

Có vẻ như bạn muốn làm forced alignment giữa âm thanh của bạn và văn bản đã biết.

Khá nhiều hệ thống nhận dạng giọng nói của ngành nghiên cứu sẽ có thể thực hiện điều này, vì căn chỉnh là một phần quan trọng trong việc đào tạo hệ thống nhận dạng dữ liệu không có sự sắp xếp mức phone giữa âm thanh và bảng điểm.

Alignment CMUSphinx

Các Sphinx4-1.0 beta 5 release của hệ thống nhận dạng nguồn bài phát biểu mở CMU hiện nay bao gồm một bản demo về cách làm việc liên kết giữa một bảng điểm và ghi âm bài phát biểu dài.