谷歌电影语音识别
我用Google API对自然对话的语音识别取得了很好的效果，但是对于Youtube视频或电影中的声音，识别效果很差或根本不存在。
在iPhone 4上录制西班牙语到英语的声音是可以识别的，但在电影中使用同一部手机几乎是不可能的，即使是一个角色在几乎没有背景噪音的情况下说话的场景。只有一次成功。
我试图清理声音与SoX（声音交换）使用噪声和comand efects，没有任何成功。
有什么想法吗？或者仅仅是谷歌API无法识别的声音，让你改变更多？它将与其他语音识别软件取得更好的成功？
共有1个答案
谷歌语音识别器（和大多数其他识别器）与混响效果不兼容。在大多数视频场景中，人与麦克风之间的距离超过1-3米。试着把你的手机放在桌子上，从3米远的地方认出smth。这将不会导致任何问题，但音质将非常好。
-
我正在玩Google Cloud Speech API。我想知道我是否使用python语音识别库并调用google cloud语音API，这仍然是使用API的有效方式吗？我只想转录文本。 我对它们之间的区别感到困惑，如果我只想转录音频，是否有任何建议的方法。 使用Python语音识别： 不使用Python SpeechRecognition：
-
我正在开发一个android应用程序，它将监听语音命令并相应地触发动作。 以下是一些疑问： > 谷歌语音识别离线库是否可用于android应用程序 我们能创建自己的词汇词典吗 应用程序应在脱机模式下工作（无Internet）。
-
如果可能的话，我需要一些意见或建议。我有一个使用语音识别api和媒体记录器的应用程序。该应用程序的要点是当用户说“注意”时，它会记录语音消息，直到用户说“完成”。之后，应用程序将语音消息保存到手机中。 我目前有一个带有按钮（记录、保存、停止、完成）的弹出框，用户可以手动按下按钮来记录他们的语音信息。我正在考虑完全改造用户拥有完全语音控制的应用程序。所以基本上，它越免提越好。 我从这里开始研究连续语
-
我正在尝试从shell命令使用Google的语音识别API，但我遇到了问题。 我的Shell文件包含以下代码： 记录-D plughw： 1,0-q-f cd-t wav-R 16000|flac-f--Best--samplughw=16000-s-otest.flac wget-q-U“Mozilla/5.0”--文件后测试。flac--标题“内容类型：音频/x-flac；速率=16000”-
-
我在尝试使用谷歌云语音库时出错。 这可能是关于我的依赖项。在添加Firebase身份验证依赖项之前，库是无缝工作的。所以它可能是关于endpoint-管理-控制-应用引擎-所有依赖项。 Stackdriver日志： 这是类的唯一方法： 项目的依赖关系：
-
我正在尝试制作一款可以通过语音识别停止的闹钟Android应用程序。为此，我正在使用Google语音识别API（这段代码可以连续进行语音识别）。 它工作得很好，直到我同时演奏音乐。在这种情况下，语音识别的效率会大大降低。 这个问题是合乎逻辑的，因为音乐会增加一些噪音，使识别变得更加困难。但是由于播放的音乐是已知的，我想知道是否有可能告诉谷歌尝试忽略这些额外的噪音。我知道信号处理中存在一些滤波器来做