一段讯飞、百度等语音识别API无法识别的语音最终解决办法
2024-09-05 15:07:28
最近在做语音识别、字幕扒词相关的工作,遇到了一段录音(https://download.csdn.net/download/u014220286/12169183,各位有兴趣的可以下载下来试试),音质什么的和其他处理过的无二异,也是普通话,照常理说应该能识别出来,可为了类似这样的语音丢了工作机会(前一次没重视人工速录交了,后来又遇到了,琢磨了好长时间解决了,过了交稿时间,产生信任危机了,没有机会合作了。)记录下这次的解决过程,希望给你有需要的人帮助。
首先用ffmpeg查看该音频,发现是32是浮点数,立体声,转成16K单声道的,没有解决,后来想到是不是因为噪声的缘故,做了噪声消除后效果依旧;甚至怀疑到了和声音内容有关(两次音频都是和法律相关的),以前也做过庭审的例子,拿出来用ffmpeg查看音频信息,摸索半天发现可能是声道的问题。
找到了问题可能的点,于是在强大的音频处理软件audacity中进行了尝试,具体步骤如下:
在audacity中导入音频,在左侧面板中下拉三角的菜单中选择“分离立体声”,分离好后“禁用”一个声道,然后在菜单中选择“导出”,导出音频,导出的音频就可以识别了。
虽然没有尝试用程序解决,但有了方法,又不太耗时,总算解决了一个难点,下次不至于为此类问题失去工作机会了。
解决前讯飞的识别结果:
处理后的识别结果:
HTWCore下载:
链接: https://pan.baidu.com/s/1awuPov3PXG-AHcZS2YeZRQ 提取码: gavk
或者加QQ群:414750884
最新文章
- POJ 2226二分图最大匹配
- jQuery静态方法isFunction,isArray,isWindow,isNumeric使用和源码分析
- 【SharePoint学习笔记】第2章 SharePoint Windows PowerShell 指南
- ASP.NET保存信息总结(Application、Session、Cookie、ViewState和Cache等) ZT
- webpack配置sass模块的加载
- SecureCRT配色
- 打包时Xcode报:此证书的签发者无效Missing iOS Distribution signing identity
- URAL1900 Brainwashing Device(dp)
- HDOJ2003求绝对值
- Hadoop HDFS概念学习系列之hdfs里的文件下载闲谈(二十六)
- UIAlertView、UIActionSheet兼容iOS8
- iOS开发--in house发布和安装(ipa重新签名)
- 飘逸的python - zlib压缩存到数据库
- 【Linux学习三】Linux系统目录架构
- winform窗体嵌套HTML页面,开发出炫彩桌面程序
- Mysql对用户的操作
- [转帖]cmd批处理常用符号详解
- SpringMVC+MyBatis+Druid使用MySQL8.0.11版本
- 即时通信 选择UDP还是TCP协议
- JQuery的可见性选择器