Я ищу программное обеспечение, которое позволило бы мне ввести аудиофайл (.wav .mp3 ...) и вывести текст аудиофайла.
Такое программное обеспечение существует? Я нашел только программное обеспечение, которое преобразует (живой) голос в текст, но не аудио файлы в текст.
Я не знаю ничего, что вы можете скачать, но я могу сделать неуклюжее предложение.
Google создал такое программное обеспечение, я знаю, что они используют его в YouTube и Google Voice.
Это не очень хорошо, но вы можете позвонить в свою учетную запись Google Voice, позволить автоответчику поднять трубку и воспроизводить звук во время записи голосовой почты.
Вы получите расшифровку голосовой почты в своем письме.
Я предлагаю это только потому, что вам не нужно тренировать движок Google.
Это не дает конкретного ответа на ваш вопрос, но в вашей ситуации я бы хотел распространить его как работу Amazon Mechanical Turk. Вы, вероятно, получите лучшие результаты и заплатите наименьшее количество долларов таким образом.
Вы можете добавить программное обеспечение VOICENOTE (бесплатно) в Google Voice. Это превращает разговор в текст. Затем просто воспроизведите запись голоса на вашем динамике прямо в микрофон в VOICENOTE.
Я планирую использовать VOICENOTE, чтобы переписать мои письменные заметки в текст и сохранить в MS Word. Затем, когда я сохраняю документ, Windows может искать мои рукописные заметки на компьютере. В противном случае рукописные заметки можно сохранить только как изображение. Только заголовки доступны для поиска, и вы не можете найти слова документа для поиска.
eMicrophones выпускает коммерческий продукт под названием Windows Speech Recognition Toolkit, который добавляет множество полезных возможностей в Windows Speech Recognition, в том числе возможность транскрибировать *.WAV-файлы (при условии, что они от вас, т.е. запись, как если бы вы говорили, а не произвольный голос). Из списка возможностей:
Транскрипция читает.WAV файлы с цифрового рекордера и транскрибирует его в текст. Это предназначено для использования человеком, который имеет личный профиль пользователя и диктует то же, что и перед компьютером, используя правильные формулировки и знаки препинания. Он не предназначен для расшифровки нескольких голосов с собрания.
Есть программный проект под названием «fancribe», который разбивает запись и разбивает ее на части, распространяя среди заинтересованных лиц, которые могут переписать часть.
https://github.com/fanscribed/fanscribed/blob/master/README.rst
