我如何编写语音识别引擎(使用 Microsoft Speech SDK)以“收听”视频文件并将检测结果保存到文件中？
最佳答案
这与 this question 非常相似并且有一个非常相似的答案。您需要分离出音频部分，将其转换为 WAV 格式，并将其发送到一个 inproc 识别器。
但是，它存在我之前描述的相同问题(需要训练，假设单一语音，并假设麦克风离说话者很近)。如果是这样的话，那么您可能会得到相当不错的结果。如果不是这种情况(即，您正在尝试转录电视节目，或者更糟的是，转录某种摄像机音频)，那么结果可能不会令人满意。
关于c++ - 如何对视频文件使用语音识别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1700651/