如何在 Python 中将文本与音频匹配？
How to match text to audio in Python?
我有一个音频文件和与此音频文件中的语音相对应的文本。
有没有什么方法可以将文本与音频相匹配，以便我得到类似时间戳的信息，显示文本文件中的单词在音频中出现的位置。
是的，这是可能的。我假设您了解有关音频技术的基本术语。
检查图书馆https://www.geeksforgeeks.org/python-speech-recognition-on-large-audio-files/
库可以逐块读取任何音频文件。可以将文件传递给音频到文本转换，并进一步可以逐块收集文本结果。
此外，如果音频文件的采样率是44100，那么8192个块将代表一个大约185毫秒的时间单位。
所以我找到了我要找的东西。
显然，将给定文本与音频匹配并returns准确时间戳的技术称为强制对齐。
这是一个非常有用的 link 最佳强制对齐工具列表：https://github.com/pettarin/forced-alignment-tools
就我个人而言，我使用过 Aeneas，因为它对我来说效果很好。
我有一个音频文件和与此音频文件中的语音相对应的文本。
有没有什么方法可以将文本与音频相匹配，以便我得到类似时间戳的信息，显示文本文件中的单词在音频中出现的位置。
是的，这是可能的。我假设您了解有关音频技术的基本术语。
检查图书馆https://www.geeksforgeeks.org/python-speech-recognition-on-large-audio-files/
库可以逐块读取任何音频文件。可以将文件传递给音频到文本转换，并进一步可以逐块收集文本结果。
此外，如果音频文件的采样率是44100，那么8192个块将代表一个大约185毫秒的时间单位。
所以我找到了我要找的东西。
显然，将给定文本与音频匹配并returns准确时间戳的技术称为强制对齐。
这是一个非常有用的 link 最佳强制对齐工具列表：https://github.com/pettarin/forced-alignment-tools
就我个人而言，我使用过 Aeneas，因为它对我来说效果很好。