如何通过使用Python的Azure语音到文本服务在音频文件中获取经过审查的单词（亵渎）的偏移量和持续时间（亵渎）？我可以看到转换后的文本中的脏话已加注星标，并且长度与口头单词相同。我想获得说脏话的时间戳，以便我可以使用该信息来采取诸如使音频静音的操作。
您必须在识别中要求提供单词级时间戳。您可以找到此答案的方法：How to get Word Level Timestamps using Azure Speech to Text and the Python SDK?
几句话，您必须使用speech_config.request_word_level_timestamps()