谷歌最近在其语音识别软件方面取得了巨大进展,该软件用于多个开源产品中,例如Chromium Web Speech和Android Handsfree texting。我想将他们的语音识别作为我的服务器堆栈的一部分使用,但是我找不到太多相关信息。
这个文本识别软件是否作为库或包可用?或者,我可以从另一个程序调用Chromium来将一些音频文件转录为文本吗?
这个文本识别软件是否作为库或包可用?或者,我可以从另一个程序调用Chromium来将一些音频文件转录为文本吗?
之前在https://gist.github.com/alotaiba/1730160提到的方法对我有效。 我在我的家庭自动化程序中每天都使用它。 我使用Python脚本捕获音频并确定哪些是有用的音频或只是噪音,然后将小的音频片段发送到Google并在不到一秒的时间内返回文本! 我已成功地将其集成到我的程序中,如果你搜索一下,你会发现更多的人也这样做了!