直接从音频/转录语音到文本（语音识别）

Question

需要能够使用语音到文本（语音识别）算法将包含语音的音频（例如.MP3，其他音频格式）转换或转录为文本转录本高准确率。 有很多方法可以做到这一点，但这些方法越来越精确，但是它们是为设备麦克风（例如Google翻译/相应的API for web，适用于iOS的Dragon应用程序）所使用的语音而设计的。 我需要一种方法将音频文件直接送入语音识别引擎/ API。 不想通过扬声器播放音频并使用麦克风捕捉音频 - 需要相当长的时间处理长音频文件，并降低音频质量和转录质量。 是否存在Web服务或API或代码？现有服务中是否有一种假设麦克风将成为来源的包装？

感谢

Answer 1

现在有一个相对较新的服务，它允许语音到文本的自动转录，以及一个用于编辑结果的人机界面。它是：

https://trint.com/

我们使用它，高兴的结果。转录当然不是完美的，但它是一个很好的开始，它允许准备好人工编辑。

现在还有IBM Bluemix/Watson提供的新API和服务。你可以在这里尝试免费的演示：

https://speech-to-text-demo.mybluemix.net/

该服务确实将音频（从话筒或从音频文件获得）转换成文本的一个相当不错的工作。目前至少在演示中，它似乎不使用MP3，但会使用wav和其他格式。该服务具有完整的API，并且主要被设计为内置于应用程序中。

Answer 2

您可以使用Windows或Linux（pavucontrol）立体声混音器捕捉到没有麦克风音频，然后使用谷歌语音识别。 audio to text without mike