Как использовать распознавание речи с/на видеофайл?

Question

Как я могу кодировать механизм распознавания речи (используя Microsoft Speech SDK) для «прослушивания» видеофайла и сохранения обнаружения в файл?

Answer 1

Это очень похоже на this question и имеет очень похожий ответ. Вам нужно отделить аудио часть, преобразовать ее в WAV-формат и отправить ее в распознаватель inproc.

Однако у него есть те же проблемы, что я описал ранее (требует обучения, предполагает один голос и предполагает, что микрофон близко к динамику). Если это так, то вы, вероятно, получите достаточно хорошие результаты. Если это не так (т. Е. Вы пытаетесь расшифровать телевизионное шоу или, что еще хуже, какой-то звук в видеокамере), то результаты, скорее всего, будут неудовлетворительными.