请问大神: 有啥软件或算法能把一段谈话音频按照谈话的每个字切割成 N 段仅有一个字的短音频?

• 資深大佬 : knightdf

  这直接按波峰波谷切就行了吧？

• 資深大佬 : oatw

  额，好像还是有难度的。英语为母语的人会有各种连读和略音，一句话里的发音都不是覆盖所有单词的，所以理论上来看是没法直接把每个单词从原音切出来的。

  如果只是追求每个单词的发音，而不强求原声，觉得可以试试先调用语音识别的接口识别成文本，然后再 ai 读单词，哈哈哈～

• 資深大佬 : laminux29

  https://cloud.google.com/speech-to-text/docs/async-time-offsets#speech_transcribe_async_word_time_offsets_gcs-protocol

• 資深大佬 : jmc891205

  感觉各种连读吞音很难从音频上区分
  你还是说说你为什么有这样需求吧
  如果是先识别成文本，然后做分词，再按分词结果转换成每个词的语音，那我感觉还好做一些

• 資深大佬 : takemeaway

  语言识别-》分词-》获取时间轴-》切割音频
  你是想做伪造音频的视频吧？
• 資深大佬 : loliordie

  aws 和 google 有语音识别的开源 API, 可以去了解一下.

  我使用过 aws 家的, 识别率非常高.

• 資深大佬 : shintendo

  @takemeaway 我猜是做鬼畜素材

• 資深大佬 : Elissa

  猜测鬼畜音源+1

• 資深大佬 : xuanbg

  text to voice ？

• 資深大佬 : QuinceyWu

  自己剪把 2333

• 資深大佬 : h4wklee

  我
  劝
  你
  耗
  子
  尾
  汁

• 資深大佬 : LinSP

  用语音识别 API 获取词时间戳，然后根据时间戳自己去分下，一般的 API 都有这个功能

• 資深大佬 : jones2000

  语音转文本，　然后用语音一个一个单词念。

• 資深大佬 : saulshao

  首先是语音识别，然后 nlp