Sincronización de texto y audio. ¿Hay una biblioteca NLP/speech-to-text para hacer esto?

Question

Me gustaría sincronizar una grabación hablada con un texto conocido. ¿Hay una biblioteca de procesamiento de lenguaje a voz/lenguaje natural que facilitaría esto? Me imagino que me gustaría detectar límites de palabras y calcular coincidencias de candidato de un diccionario. La mayoría de las preguntas que he encontrado en SO se refieren al lenguaje escrito.

desea, pero no es obligatorio:

• Open Source
• Compatible con Inglés Americano fuera de la caja
• multiplataforma
• minuciosamente documentado

Editar : Me doy cuenta de que esta es una pregunta muy amplia, incluso ingenua, así que gracias de antemano por su guía.

Lo que he encontrado hasta ahora:

• OpenEars (IOS envoltorio Sphinx/Flite)

Answer 1

alineación forzada

Parece que usted quiere hacer forced alignment entre tu audio y el texto conocido.

Casi todos los sistemas de reconocimiento de voz de grado de investigación/industria podrán hacerlo, ya que la alineación forzada es una parte importante del entrenamiento de un sistema de reconocimiento de datos que no tiene alineaciones de nivel phone entre el audio y la transcripción.

alineación CMU Sphinx

El Sphinx4-1.0 beta 5 release del sistema de reconocimiento de voz de código abierto de CMU ahora incluye una demostración de cómo hacer la alineación entre la transcripción y grabaciones de voz de longitud.