У меня есть аудиопоток, и я бы извлек из него слова (речь). Так, например, имея audio.wav, я получу 001.wav, 002.wav, 003.wav и т. д., где каждый XXX.wav — это одно слово.
Я ищу библиотеку или программу для этого - платформа не имеет значения, но я предпочитаю решение с открытым исходным кодом.
Заранее спасибо за помощь.
Nuance, компания, которая производит Dragon Naturally Speaking имеет ряд Комплекты для разработки программного обеспечения.
Набор Audio Mining соответствует вашим требованиям:
Dragon NaturallySpeaking SDK AudioMining — это набор инструментов для распознавания речи, не зависящий от говорящего, который позволяет индексировать 100% речевой информации в аудиофайлах. Технология использует высокоточное распознавание речи для преобразования аудиофайлов в текст XML с информацией о временных метках. Его можно интегрировать со стандартными продуктами текстового поиска, чтобы обеспечить быстрый доступ к определенному аудиоконтенту.
Преобразование речи в речь + метаданные — это, безусловно, самая трудная часть для правильной работы. Когда у вас есть речь + метаданные, извлечение слов в виде отдельных аудиофайлов намного проще.