我'm looking at using Google Cloud Speech to convert long-form narrated audio files and I need to know the start time of each phrase in the audio file. Is there a way to do this with Google Cloud Speech? I'目前正在使用 transcribe_async.py . 谢谢 .
transcribe_async.py
Google Cloud Speech无法做到这一点 . 如果该信息对您很重要，您可能需要查看其他ASR系统 . 我知道像Kaldi和CMU Sphinx这样的离线非托管ASR系统会为您提供此信息 . 我不知道托管的ASR系统是否可以提供该信息 .
您可以通过将enableWordTimeOffsets选项设置为True来获得（aproximated）每个单词的开始和结束时间（从音频轨道的开头）：https://cloud.google.com/speech/docs/async-time-offsets .
请注意，抄本的第一个单词的开始时间始终为0，据我所知，每个单词的开始时间对应于前一个单词结束时间（如果有暂停） .
2 回答
Google Cloud Speech无法做到这一点 . 如果该信息对您很重要，您可能需要查看其他ASR系统 . 我知道像Kaldi和CMU Sphinx这样的离线非托管ASR系统会为您提供此信息 . 我不知道托管的ASR系统是否可以提供该信息 .
您可以通过将enableWordTimeOffsets选项设置为True来获得（aproximated）每个单词的开始和结束时间（从音频轨道的开头）：https://cloud.google.com/speech/docs/async-time-offsets .
请注意，抄本的第一个单词的开始时间始终为0，据我所知，每个单词的开始时间对应于前一个单词结束时间（如果有暂停） .