【发布时间】：2017-02-10 08:41:25
【问题描述】：
我正在考虑使用 Google Cloud Speech 来转换长格式的旁白音频文件，我需要知道音频文件中每个短语的开始时间。有没有办法用谷歌云语音做到这一点？
我目前正在使用transcribe_async.py。
谢谢。
【问题讨论】：
标签： audio speech-to-text google-speech-api google-cloud-speech
【发布时间】：2017-02-10 08:41:25
【问题描述】：
这在 Google Cloud Speech 中是不可能的。如果该信息对您很重要，您可能需要查看其他 ASR 系统。我知道像Kaldi 和CMU Sphinx 这样的离线、非托管ASR 系统会为您提供这些信息。我不知道是否或哪些托管 ASR 系统可以提供该信息。
【讨论】：
-
感谢您的帮助！
您可以通过将 enableWordTimeOffsets 选项设置为 True 来获取每个单词的（近似的）开始和结束时间（从音轨的开头）：https://cloud.google.com/speech/docs/async-time-offsets。
请注意，成绩单第一个单词的开始时间始终为 0，而且据我所知，每个单词的开始时间都对应于前一个单词的结束时间（如果有停顿也是如此）。
【讨论】：
-
有没有办法找出第一个元素的真正起始值？