需要能够使用具有高准确度的语音到文本（语音识别）算法将包含语音的音频（例如，来自.MP3，其他音频格式）转换或转录成文本转录本。有许多可行的方法，这些方法越来越准确，但设计用于设备麦克风中的语音（例如Google Translate /相应的API for web，Dragon app for iOS）。我需要一种方法将音频文件直接输入语音识别引擎/ API。不想通过扬声器播放音频并使用麦克风捕获音频 - 需要相当长的时间才能播放长音频文件，并降低音频质量并降低转录质量。是否存在Web服务，API或代码？是否存在一种围绕现有服务的包装器，假设麦克风将成为源？
谢谢
现在有一个相对较新的服务，允许Speech to Text自动转录，以及一个伟大的Web界面，用于人类编辑结果。它的：
我们已经使用过它，并对结果感到满意。转录当然不是完美的，但它是一个很好的开始，它允许人工编辑。
IBM Bluemix / Watson现在还提供了一个新的API和服务。您可以在这里尝试免费演示：
https://speech-to-text-demo.mybluemix.net/
这项服务在将音频（源自麦克风或音频文件）转换为文本方面做得相当不错。目前至少在演示中看来它不使用MP3，但会使用wav和其他格式。此服务具有完整的API，主要用于构建应用程序。
您可以在Windows或Linux（pavucontrol）中使用立体声混音器来捕获没有麦克风的音频，然后使用Google语音识别。 audio to text without mike