我不想要声音转文字的软件。我需要以下内容:
- 我将记录多个(比如50个以上)音频流(广播电台的录音)
- 从这些记录中,我会标记有趣的音频片段——它们的长度从2到60秒不等——会有几千个这样的音频片段
- 库应该能够从记录的声音流中找到同一音频片段的其他实例
- 置信因子应该向用户报告,并提供额外的输入,以便下次识别表现更好
您知道有这种软件库吗?LGPL对我最有价值,但我也可以选择商业许可证。
音频剪辑将包含音乐、文本、效果或其任何组合。所以,文本识别是不可能的。
架构:c ++,C#用于粘合剂,如果可能的话使用CUDA。