Po prostu chcę wiedzieć, czy istnieją jakieś wbudowane biblioteki lub biblioteki zewnętrzne w Javie lub C#, które pozwalają mi pobrać plik audio i przeanalizować go i wyodrębnić z niego tekst.Konwersja audio do tekstu
Muszę złożyć wniosek, aby to zrobić, ale nie wiem skąd mogę zacząć.
Oto niektóre z dostępnych opcji:
Możesz sprawdzić Microsoft Speech API. Myślę, że zapewniają pakiet SDK, który możesz wykorzystać do swojego celu.
Java, wydaje się, że jest to rozwiązanie od firmy Sun: javax.speech.recognition
Możesz użyć SoX (szwajcarski scyzoryk programów do przetwarzania dźwięku), aby przekonwertować plik audio do pliku tekstowego z wartościami numerycznymi odpowiadającymi częstotliwości/głośności dźwięku.
Zrobiłem to dla poprzedniego projektu, ale nie znam dokładnych opcji polecenia.
jest łącze z projektem: http://sox.sourceforge.net/Main/HomePage
Oto cały przykład za pomocą C# i System.Speech
Kod może być podzielona na 2 części:
konfigurujących przedmiotu SpeechRecognitionEngine (i jego wymagane elementy) obsługa zdarzeń SpeechRecognized i SpeechHossesized.
Krok 1: Konfiguracja SpeechRecognitionEngine
_speechRecognitionEngine = new SpeechRecognitionEngine();
_speechRecognitionEngine.SetInputToDefaultAudioDevice();
_dictationGrammar = new DictationGrammar();
_speechRecognitionEngine.LoadGrammar(_dictationGrammar);
_speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
W tym momencie Twój obiekt jest gotowy do zapisywania dźwięku z mikrofonu. Musisz jednak zająć się niektórymi zdarzeniami, aby faktycznie uzyskać dostęp do wyników.
Etap 2: obsługę zdarzeń SpeechRecognitionEngine
_speechRecognitionEngine.SpeechRecognized - = nowy Podprogram (SpeechRecognized); _speechRecognitionEngine.SpeechHypothesized - = new EventHandler (SpeechHypothesizing);
_speechRecognitionEngine.SpeechRecognized + = new EventHandler (SpeechRecognized); _speechRecognitionEngine.SpeechHypothesized + = new EventHandler (SpeechHypothesizing);
private void SpeechHypothesizing (object sender, SpeechHypothesizedEventArgs e) {/// wyniki w czasie rzeczywistym z silnika ciąg realTimeResults = e.Result.Tekst; }
private void SpeechRecognized (object sender, SpeechRecognizedEventArgs e) { /// ostateczna odpowiedź z ciągiem silnika finalAnswer = e.Result.Text; }
To wszystko. Jeśli chcesz użyć wstępnie nagrany plik .wav zamiast mikrofonu, należy użyć
_speechRecognitionEngine.SetInputToWaveFile (pathToTargetWavFile);
zamiast
_speechRecognitionEngine.SetInputToDefaultAudioDevice();
Istnieje kilka różnych opcji w tych klasach i warto je poznać bardziej szczegółowo.
zdecydowanie nie jest wbudowany. Rozumiem, że chcesz przedłużyć swoje pytania do bibliotek, których możesz używać z Javy lub C#. – Thilo
Dzięki, panie Thilo, ok, jeśli znasz jakieś zewnętrzne biblioteki C# lub Java, które mogą robić to, co chcę, będę wdzięczny, jeśli mi powiesz, Dzięki z góry –
To może pomóc http://java.sun.com/ products/java-media/speech/reference/codesamples/index.html –