有清晰的发音音频 + 对应的文本
用 fastwhisper 。他是自动生成文本的，有些许错误。
用了个 gentle ，但是他是以单词为基准对齐的。
有没有什么库可以自动切分句子，然后对齐？类似歌词那种。
用 fastwhisper 。他是自动生成文本的，有些许错误。
用了个 gentle ，但是他是以单词为基准对齐的。
有没有什么库可以自动切分句子，然后对齐？类似歌词那种。
This topic created in 559 days ago, the information mentioned may be changed or developed.
8 replies • 2025-05-08 14:00:25 +08:00
 |
hallidayMay 4, 2025 via Android
1
Google speech to text api 可以
|
 |
NoOneNoBodyMay 4, 2025
2
github 有语音 to 字幕生成的，你搜字幕相关
|
 |
panhongxMay 4, 2025
3
试过 whisper.cpp 的 large-v3-turbo 模型，自动按句切分效果很好。
|
 |
bigtearMay 4, 2025
4
whisperx 甚至能按单词对齐，你可以试试，它用的也是一个专门的模型
|
 |
5
@panhongx 这个能用我提供的文本吗？我看了下文档并问了下 ai,他好像是自己生成文本的。我担心生成的某些单词不太对。(毕竟我已经有文本了，就不需要机器自动识别了）
|
 |
6
我也有这个需求, 自己写了个页面 https://repeat-reading-explorer.pages.dev/
|
1 |
barnetimeMay 8, 2025
8
文本是识别的, 音频是出版社网站下载的
|
Select Language