1回答
本公司使用语音文字API制作可搜索的有声读物。我们的一些音频文件达到20小时，但正如我们注意到的，使用语音文字的基本限制是480分钟。
请让我知道，我们怎样才能要求把限制扩大到1200分钟？
浏览 14提问于2022-03-05得票数 -1
回答已采纳
2回答
有什么文字到语音软件推荐吗？我希望它是免费的，适用于Windows。注意:不一定要转换到MP3，只要它可以转换成音频文件，例如.wav，就可以了。
浏览 0提问于2017-05-11得票数 1
1回答
人形化身的动态文本
、、、
我是新的游戏开发，我使用冰封字符化身，并增加了一些基本的动画，文字到语音，面部动画。我把我所有的化身，动画通过3 3dxchange带到Unity3d，只有文本到语音音频文件不能导入到Unity3D。我的问题是，我可能可以使用Unity3D中的独立音频文件，我在Iclone中手动输入了一个文本，以便化身发言，在那里，该音频文件保存在iclone中？我的目标是创建一个人形化身，它能够
浏览 2提问于2015-05-14得票数 1
回答已采纳
2回答
我正在努力做一个超级基本的语音合成器，我需要一些形式的音素音频文件，以便我可以把它们放在一起，并建立文字。是否有任何开放的音位设置，我可以使用这一点？
浏览 7提问于2013-11-07得票数 3
回答已采纳
我搜索并找到了这篇文章：然而，它并没有回答我的问题。
是否有任何方法改变一个人的声音，足以使手机呼叫无法识别的语音识别技术？
浏览 0提问于2019-08-29得票数 2
2回答
我通过使用我的Android智能手机对自己的声音进行重新编码，从而获取了很多备忘录。录音可以是快速笔记，也可以是长时间听写，因此它们的大小有很大差异。根据我使用的应用程序，我将音频保存为WAV或MP3文件。
我想做的是把这些语音备忘录和听写转换成文本文件。我在理论上发现了这种方法，它可以将音频回放到Google的语音到文本API中，但我无法让它发挥作用。我已经按照指示，没有任何错误，我只是没有看到任何文本出现在Chrome界面。无论如
浏览 0提问于2016-08-07得票数 3
1回答
我有一个音频文件，而且我有那个音频文件的准确记录。我希望能够在这个特定的文字记录中得到每个单词的时间戳。有没有人知道谷歌语音识别是否有可能做到这一点？
浏览 3提问于2020-04-25得票数 1
1回答
提取音频文件的二进制表示
、、、
我想从一个音频文件(可能记录在audacity中)中提取出确切的二进制实现。我想要这个提取这些表示，以识别语音和声音，即一个基本的语音识别软件。编辑-我想获得音频的波形，而不是图形，而是二进制表示，这样我就可以将语音转换为文本。
浏览 2提问于2012-03-05得票数 0
3回答
我正在为孩子们制作一个互动的应用程序，使用人类的声音进行互动；我需要一个软件，可以生成自然的人类语音(如TTS)或任何其他方式的音频文件。该应用程序将使用的商业用途的音频文件，我准备购买或许可的软件。
浏览 0提问于2013-03-14得票数 0
我已经创建了谷歌存储桶，以执行谷歌语音到文字桶中的音频文件。但这是不起作用的，因为桶是拒绝访问谷歌语音API。错误消息:匿名调用方没有storage.objects.get access PERMISSION_DENIED是否有可能让语音访问存储桶？
我还试着给桶的服务帐户许可。但不起作用。
浏览 2提问于2019-07-08得票数 0
回答已采纳
所以，基本上，我正在寻找一个文本到语音软件，它不仅可以读取我的文件给我(我目前使用Okular)，还可以让我把演讲作为一个音频文件，以便我可以听它在其他地方的另一个时间。
浏览 0提问于2018-04-05得票数 3
回答已采纳
1回答
嗨，我试过用音频文件来发短信，使用蓝色的语音文字，一切都正常工作。有人能指点我如何用音频url在蔚蓝中做讲稿吗？我正在使用REST。
浏览 4提问于2022-10-06得票数 0
回答已采纳
2回答
谷歌最近在语音识别软件方面取得了很大进展，该软件被用于几个开源产品，例如Chromium 和Android免提短信。我想使用他们的语音识别作为我的服务器堆栈的一部分，但我找不到太多关于它的信息。文本识别软件是否以库或软件包的形式提供？或者，我可以从另一个程序调用chromium，将一些音频文件转录成文本吗？
浏览 3提问于2013-03-23得票数 3
我知道音频指纹识别音频文件，这是很棒的，但我真正想知道的是Google是如何制作语音识别API的，它们是如何获取音频和返回的单词的。我写了一个宝石来指纹wav音频文件并对它们进行比较，但是如果我用指纹将我的声音与充满指纹的数据库进行比较，可能要花费很长时间。谷歌是怎么做到的？用途：
我真的很喜欢语音识别，我想要一个地方开始编码，但我不知道从哪里开始。DragonVoice是
浏览 5提问于2014-02-27得票数 0
回答已采纳
我对用于Windows的语音识别软件感兴趣，它以一种标准格式(MP3、WAV、OGG等)获取播客的音频文件，并将语音的转录作为文本文件输出。其动机是帮助为官方wiki录制播客。我希望它能够教它，提高语音识别，或学习新单词。此外，它应该能够处理多人交谈，偶尔重叠的讲话，偶尔的音乐，或非说话的声音。
我只需要这个软件来处理英语。
浏览 0提问于2014-04-14得票数 5
2回答
有没有软件能够接收音频文件并输出语音(IPA)文本？
据我所知，很多软件都是直接学习一门语言的，但是有没有一种是“可教”的呢？
浏览 0提问于2009-10-23得票数 7
1回答
我正在运行Lubuntu15.04，我正在寻找一个语音识别软件，允许我打开和运行我的声音文件。在那里我可以定制，如果我说，因为我想要一个骑士凯特汽车的语音识别，我想要能够与汽车交谈。当我说“嘿Kitt”时，它会打开一个音频文件并播放我选择的音频文件。有什么建议吗？
浏览 0提问于2015-06-25得票数 0
想开发一款听觉训练的软件。根据回答的情况来做数据收集和分析。得出分析报告。
有些问题需要语音回答，需要识别语音来判断正误。这样一个软件用什么工具来开发好？
浏览 337提问于2018-09-10
据我所知，大多数语音识别实现都依赖于二进制文件，这些文件包含他们试图“识别”的语言的声学模型。一个人可以手动抄写大量的演讲，但这需要大量的时间。即便如此，当给出一个包含某些语音的音频文件，并在文本文件中对其进行完整的转录时，单个单词的发音仍然需要以某种方式分开。要匹配音频的哪一部分对应于文本，仍然需要语音识别。
这是怎么收集起来
浏览 6提问于2015-08-03得票数 2
回答已采纳
1回答
我正在用Mel频率倒谱系数实现一个语音识别软件。特别是，系统必须识别单个指定的单词。由于音频文件，我得到一个矩阵中的MFCC 12行(MFCC)和许多列的语音帧的数目。我给出了行的平均值，所以我得到了一个只有12行的向量(第1行是所有帧的所有ith-MFCC的平均值)。我的问题是如何训练一个分类器来检测单词？我有一个培训集，只有积极的样本，MFC
浏览 1提问于2015-02-17得票数 0
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
