如何在语音识别中生成时间戳？

Question

我正在研究语音识别系统项目。我已经使用深度神经网络来进行语音识别。但是我还需要给定语音中出现的单词的开始和结束时间。您能建议我还是将我引导到解决语音识别中时间戳生成问题的资源？我知道Amazon transcribe服务也可以生成时间戳，但是我无法获得有关此的论文。

Answer 1

[如果您有兴趣尝试使用Microsoft的语音服务（https://aka.ms/speech/sdk），我们也支持单词级时间戳。您可以从我们的快速入门示例之一开始（在许多编程语言中都可用），还可以再添加几行代码来获取字级时序信息。

[基本上，尝试使用默认的microphone quickstart或file quickstart之后，您可以添加几行代码来请求字级时间戳。然后，您将添加另一行代码以检索服务提供的json响应（具有字级计时信息）。

例如，在C＃中，您将对SpeechConfig对象执行此操作：

config.OutputFormat = OutputFormat.Detailed;
config.RequestWordLevelTimestamps = true;

并且一旦收到SpeechRecognitionResult对象，就可以这样做：

var json = result.Properties.GetProperty(PropertyId.SpeechServiceResponse_JsonResult);
Console.WriteLine(json);

如果您使用的是另一种受支持的编程语言（C ++，Java，JavaScript，Objective-C，Swift，Python等），则代码会略有不同。

祝你好运。>>

Rob Chambers，微软建筑师和工程经理