用于在音频文件中转录语音的开源软件
谁能推荐可靠的开源软件来在wav文件中记录英语语音？我研究过的两个主要程序是Sphinx和Julius，但是我从来都无法使用它们，并且每个转录文件的文档充其量都是粗略的。
我正在开发64位Ubuntu
10.04，其存储库包括sphinx2和julius，以及voxforge的英语julius声学模态。我专注于转录文件，而不是直接处理麦克风的声音，因为我已经放弃了期望像这样的项目可以与Ubuntu的声音系统一起工作的方法。这并不是对Ubuntu的敲门声，因为我可以使用Audacity完美地录制我的麦克风的声音，但是这两个系统似乎都无法访问我的麦克风，因此我希望我可以仅通过读取文件来简单地配置它们。
我首先从Ubuntu软件包sphinx2-bin中尝试了Sphinx2。尽管示例sphinx2-demo似乎可以转录文件，但实际上没有有关配置的文档，因此我不确定如何自定义此文件以从任意wav读取。演示中使用的音频文件为某些未记录的“
16k”格式，可通过2个配置文件间接引用。有简短的介绍将sphinx2-demo描述为正在运行sphinx2-batch，但是检查脚本表明它实际上是在调用sphinx2-continuous。更糟糕的是，每个脚本的
–help文档列出了大约六打选项，并且没有提及哪些是必需的或可选的。总体而言，缺少狮身人面像文档以及现有文档质量不佳使我发疯。
接下来，我再次尝试使用来自Ubuntu软件包的Julius，该软件包是令人惊讶的最新版本（4.1），考虑到Voxforge快速入门中使用的版本是3.5。该软件包似乎包括稍微更好的文档，甚至包括一个用Python编写的示例（/
usr / share / doc / julius-voxforge / examples /
controlapp）。阅读示例的文档后，我尝试通过创建一个filelist.txt包含文本“
hello.wav”的文件来引用该文件，该文件引用了同名文件，其中包含有人说“ hello”的记录。将它们放在同一目录中，我运行了：
julius -input file -filelist filelist.txt -C julian.jconf
得到响应：
### read waveform input
Error: adin_file: sampling rate != 16000 (8000)
Error: adin_file: error in parsing wav header at hello.wav
Error: adin_file: failed to read speech data: "hello.wav"
0 files processed
通过为filelist.txt和hello.wav指定绝对文件名重试会产生相同的错误。
我还尝试了示例中使用的Julius调用，以直接从麦克风录音：
julius -input mic -C julian.jconf
我多次打电话给我，响应在错误之间有所不同：
Cannot read /dev/dsp
和：
STAT: AD-in thread created
<<< please speak >>>
在后一种情况下，无论我对麦克风说什么，都不会发生。我无法判断它是否仍然无法读取麦克风，或者是否正在读取某些东西，但是根本无法转录音频。
我不确定该怎么做。我遇到的错误并不会给我带来太多麻烦。为什么看不懂wav？为什么不能读取/ dev / dsp？那么为什么它似乎能够读取/ dev /
dsp却没有任何反应呢？
任何人都有 任何 与开源语音识别成功，特别是在Linux上？
问题答案：
为什么看不懂wav？
它告诉您文件的采样率（8000）而不是请求的（16000）错误。采样率对于语音识别软件非常重要。
为什么不能读取/ dev / dsp？
在最新版本的Ubuntu中，使用pulseaudio框架代替OSS。您尝试使用的版本正在使用OSS，因此您需要从发行版中安装oss-
compatibility软件包，以重新获得OSS支持。
您可以尝试支持PulseAudio的新版Julius
那么为什么它似乎能够读取/ dev / dsp却没有任何反应呢？
音频输入无法正常工作。
其他人在开源语音识别器上是否取得了成功，尤其是在Linux上？
我建议您重新使用CMUSphinx软件包，它是领先的开源语音识别引擎。网站上有大量文件，您只需要阅读它们即可。请记住，语音识别是一个复杂的领域，您可以在其中获得出色的成绩，但是您还需要花时间在理解技术上。就像其他任何域一样。
简而言之，要使用CMUSPhinx转录文件，您需要执行以下3个简单步骤：
-
提取wav文件，然后用sox将其重采样为8khz 16位单声道文件：
袜输入.wav -r 8000 -c 1重新采样.wav -
安装pocketsphinx 0.7
apt-get install pocketsphinx
-
解码文件
pocketsphinx_continuous -samprate 8000 -infile resampled.wav
结果将打印到标准输出。要禁止记录器，请将stderr重定向添加到/ dev / null
pocketsphinx_continuous -infile resampled.wav 2> / dev / null
-
使用Microsoft语音API转录中/大型音频文件（每个文件约6-10分钟）的最佳方式是什么？比如批量音频文件转录？ 我使用了https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-to-text-sample中提供的代码，用于连续转录语音，但它在某个时候停止转录。转录有任何限制吗？我只使用免
-
问题内容： 我觉得这是一个相当普遍的问题，但我尚未找到合适的答案。我有很多想在单词上打断的人类语音音频文件，可以通过查看波形中的停顿来试探性地完成，但是谁能指出我在python中自动执行此功能的函数/库吗？ 问题答案： 一个简单的方法是使用pydub模块。最近添加的静默实用程序可以完成所有繁重的工作，如，。等等，并且与所提到的其他方法相比，大大简化了代码。 这是一个演示实现，从这里得到启发 设定：
-
我对javascript和discord.js很陌生，有人知道如何让机器人加入一个频道，播放一个文件然后离开吗？ 以下是我尝试过的： 现在，它将发送消息加入语音通道，而不管我是否在其中，如果我在其中，它就不会加入语音通道并播放文件。任何帮助都很感激。
-
有了一个机器人，我试着用discord在一个音频通道中播放一个音频文件（mp3）。js、ffmpeg和opusscript。 基本上，这就是它的工作原理： 因此，音频播放，但在结束前停止（例如，对于5s音频文件，它在3s后停止）。机器人留在频道中，我可以再次播放，但对于我的所有文件，它在结束前停止。我怎样才能解决这个问题？
-
录制完一个呼出的电话后，我试图播放录制的文件——以确保通话录音按预期工作（我使用“媒体播放器”进行），但没有声音。所以我试图访问手机上的实际文件（只需将手机连接到电脑上并访问它的文件）。当我播放录音时，它的长度是正确的，但同样没有声音。 我错过了什么？ 这是我记录电话的方式： 这是结束通话记录的代码： 这是我播放音频文件的方式：
-
我正试图创建一个呼叫录音机应用程序，然而，我的音频来源时，它的麦克风工作正常，但它不能捕捉第二个声音。 如果我更改为VOICE_CALL，我的应用程序关闭。 我在PlayStore上看到了数百个类似的应用程序，并想知道它们能够记录通话双方的秘密是什么。