在音频文件中搜索特定的口语单词[关闭]

Question

我有大约 3000 多个同一作者的音频文件。我需要转录那些讲座，作者在其中谈到了一个特定的词。

所以我需要一个软件解决方案，它会自动找到说出特定单词的所有文件。由于音频文件的使用时间超过 15 年，因此该词的发音方式可能会有所不同。

欢迎免费/开源解决方案。

我尝试搜索，了解了狮身人面像。但我无法将其设置为用于我的项目。任何帮助是极大的赞赏。请

Answer 1

您可以使用CMUSphinx，这是一个支持关键字定位的开源语音识别引擎。

1) 将音频转换为所需格式 - 16khz 16bit 单声道文件：

 ffmpeg -i file.mp3 -ar 16000 -ac 1 file.wav

2) 从http://github.com/cmusphinx 构建和安装最新的 pocketsphinx 和 sphinxbase

3) 下载en-us generic acoustic model

4) 运行检测：

  pocketsphinx_continuous -infile file.wav -hmm en-us -kws_threshold 1e-40 -keyphrase "what you need to detect" -time yes

它将打印您检测到的关键字及其时间。为了获得最佳检测精度，您可以调整 kws_threshold。