python - 如何在 Python 中将文本与音频匹配？

Question

我有一个音频文件和一个与该音频文件中的语音相对应的文本。

有没有办法将文本与音频相匹配，以便我得到类似时间戳的东西，显示文本文件中的单词出现在音频中的位置。

标签： pythonaudiospeech-recognitionspeech-to-text

Answer 1

所以我找到了我正在寻找的东西。

显然，将给定文本与音频匹配并返回确切时间戳的技术称为强制对齐。

这是一个非常有用的链接，指向最佳强制对齐工具列表：https ://github.com/pettarin/forced-alignment-tools

就个人而言，我使用了Aeneas，因为它对我来说非常有效。