Dotaz: Program na převod řeči na text

[Bilbo]

Sháním aktuálně program pro převod řeči na text.

Nahromadilo se mi větší množství audio a video záznamů (velká část jsou záznamy z různých přednášek, ale nejen to) a sháním software, který by k danému audiu (resp. zvukové stopě vyextrahované z audia) automaticky doplnil transkript (a v něm bych pak mohl např. vyhledávat, apod.).

Potřeboval bych něco co by fungovalo aniž bych to musel sám učit (pokud bych to musel před použitím na nějakých datech dlouho trénovat, nebo si sestavovat slovník, tak to pro mne použitelné nebude ... ledaže by to byl unsupervised learning, který by se natrénoval sám bez mého zasahování :).

Jazykem je z menší části čeština, z větší části angličtina.

Ideálně něco opensource běžící pod Linuxem, ale není to zase podmínka. :)

Část ze záznamů je "public", takže by (pro část) šlo v nejhorším použít např. i nějakou cloudovou službu kdy se audio nahrává pro zpracování někam "buhvíkam".

Nevíte někdo o něčem použitelném?

Odpovědi

[NN]

Zacal bych treba zde List_of_speech_recognition_software.

[Jendа]

https://github.com/UFAL-DSG/alex-asr

Pro záznamy v dobré kvalitě by to snad mohlo nějak chodit. Já to zkoušel na záznamy se šumem a bordelem okolo a generovalo to surrealistickou poezii.

Kdybys přišel na něco použitelného, dej vědět. Dokonce nepotřebuju celý transcript, ale chtěl bych nad ~10000 hodinama nahrávek udělat fulltext.

[David Indra]

Ten fulltext zní zajímavě, o co přesně jde? Nějaké záznamy přednášek? :)

[Jendа]

Odposlechy… Proto to má taky špatnou kvalitu.

[Jendа]

Nechce se mi věřit, že někdo, kdo má třeba hovory z callcentra, neřeší stejný problém.

[Honza]

Řeší. A pěkně za to zaplatí.

[lertimir]

Řeší to komerčně, například soudy dost často používájí Newton.

[Bilbo]

Koukám má to celkem dost parametrů, zkusím si s tím pohrát a pokud vyleze něco použitelného, dám vědět :)

[Gregi]

A pouzi kodek "CODEC2", ktory ma fenomenalnu kompresiu na rec (2500bit/s). :) http://www.rowetel.com/?page_id=452

[Jendа]

1. speex
2. jak to souvisí s rozpoznáváním řeči?