如何在音频文件中查找特定单词的位置？

【问题标题】：How to find the location of a specific word in an audio file?如何在音频文件中查找特定单词的位置？
【发布时间】：2016-02-15 11:34:46
【问题描述】：

我正在为媒体相关工作开发一个安卓应用程序。在这个应用程序中，我有一个录制的声音文件，它是flac 格式（你可以忘记格式，我可以转换它）。声音文件将播放如下.....

I am here my friend <silence> just do it soon

现在，如果我的注意力只集中在 friend 这个词上。有什么方法可以让我找出这个词 friend 在声音文件中的确切位置？例如，如果声音文件有 10 秒长，那么它应该告诉我单词 friend 介于 0.2 - 0.4 秒之间或类似的东西。

有什么想法吗？

【问题讨论】：

标签： android audio media audio-recording flac

【解决方案1】：

我用这个 Watson api 做了一个类似的应用程序： https://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/doc/speech-to-text/

将声音转换为文本，然后使用 json 搜索响应。

    {
  "result_index": 0,
  "results": [
    {
      "final": true,
      "alternatives": [
        {
          "transcript": "hello world",
          "confidence": 0.9,
          "timestamps": [["hello",0.0,1.2],["world",1.2,2.5]],
          "word_confidence": [["hello",0.95],["world",0.866]]
        }
      ]
    }
  ]
}

【讨论】：

文本输出不是问题，问题在于准确找到声音文件中特定单词出现在哪个位置（从哪一秒到哪一秒之间）。
回复包括第二个，我编辑了答案
哦，这很有趣，有安卓示例吗？
我们有一个转换音频的 php 脚本，我们得到了响应。你也可以用 nodejs 来做。