Ответы:
Программное обеспечение, которое вы можете использовать - CMUSphinx . В отличие от предложенного в другом ответе Юлиус не подходит, так как требует моделей. Модели для распознавания речи с большим словарным запасом не доступны для Юлиуса.
Вы можете использовать pocketsphinx для конвертации аудио файла. Эти две команды должны сделать работу. Сначала вы конвертируете файл в нужный формат, а затем узнаете его:
ffmpeg -i file.mp3 -ar 16000 -ac 1 file.wav
Бегущий карманный сфинкс
pocketsphinx_continuous -infile file.wav 2> pocketsphinx.log > result.txt
Результат будет сохранен в файле result.txt.
pocketsphinx_continuous -infile file.wav -hmm en_US/hub4wsj_sc_8k -lm en_US/hub4.5000.DMP 2> pocketsphinx.log
сработало. Возможно, они не являются оптимальными пакетами, но они были лучшими совпадениями, которые я мог найти в репозиториях.
Я знаю, что это старо, но чтобы расширить ответ Николая и, надеюсь, сэкономить кому-то время в будущем, для того, чтобы получить актуальную версию pocketsphinx, вам нужно скомпилировать ее из репозитория github или sourceforge (не уверен который постоянно обновляется). Обратите внимание, что -j8 означает выполнение 8 отдельных заданий параллельно, если это возможно; если у вас больше процессорных ядер, вы можете увеличить их количество.
git clone https://github.com/cmusphinx/sphinxbase.git
cd sphinxbase
./autogen.sh
./configure
make -j8
make -j8 check
sudo make install
cd ..
git clone https://github.com/cmusphinx/pocketsphinx.git
cd pocketsphinx
./autogen.sh
./configure
make -j8
make -j8 check
sudo make install
cd ..
Затем: https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/US%20English/
загрузите новейшие версии cmusphinx-en-us-....tar.gz
иen-70k-....lm.gz
tar -xzf cmusphinx-en-us-....tar.gz
gunzip en-70k-....lm.gz
Тогда, наконец, вы можете перейти к шагам из ответа Николая:
ffmpeg -i book.mp3 -ar 16000 -ac 1 book.wav
pocketsphinx_continuous -infile book.wav \
-hmm cmusphinx-en-us-8khz-5.2 -lm en-70k-0.2.lm \
2>pocketsphinx.log >book.txt
Сфинкс работает хорошо. Я бы не стал полагаться на это, чтобы сделать читабельную версию текста, но это достаточно хорошо, что вы можете искать его, если вы ищете конкретную цитату. Это особенно хорошо работает, если вы используете алгоритм поиска, такой как Xapian ( http://www.lesbonscomptes.com/recoll/ ), который принимает подстановочные знаки и не требует точных поисковых выражений.
Надеюсь это поможет.
pocketsphinx_continuous: error while loading shared libraries: libpocketsphinx.so.3: cannot open shared object file: No such file or directory
-------> export LD_LIBRARY_PATH=/usr/local/lib
------->export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig
Если вы хотите преобразовать речь в текст, попробуйте открыть свой Ubuntu Software Center и найти Julius
Описание
"Julius" - это высокопроизводительное двухпроходное программное обеспечение для декодирования с большой лексикой непрерывного распознавания речи (LVCSR) для исследователей и разработчиков, связанных с речью.
Или другой вариант, которого нет в Центре программного обеспечения, это Саймон
... является программой распознавания речи с открытым исходным кодом и заменяет мышь и клавиатуру.
Ссылки Ссылки
http://julius.sourceforge.jp/en_index.php
Вы можете использовать панель транскрипции speechpad.pw