V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
labex.io
通过在线实验与 50 万用户一起学 Linux、DevOps 和网络安全技术,付款时输入 V2EX30 限时 30% 专属折扣
Promoted by JamesZHH
afkool
V2EX  ›  Local LLM

英语文本音频按句自动对齐的有推荐的吗?

  •  
  •   afkool · 80 天前 · 1137 次点击
    这是一个创建于 80 天前的主题,其中的信息可能已经有所发展或是发生改变。
    有清晰的发音音频 + 对应的文本
    用 fastwhisper 。他是自动生成文本的,有些许错误。
    用了个 gentle ,但是他是以单词为基准对齐的。
    有没有什么库可以自动切分句子,然后对齐?类似歌词那种。
    8 条回复    2025-05-08 14:00:25 +08:00
    halliday
        1
    halliday  
       80 天前 via Android
    Google speech to text api 可以
    NoOneNoBody
        2
    NoOneNoBody  
       80 天前
    github 有语音 to 字幕生成的,你搜字幕相关
    panhongx
        3
    panhongx  
       80 天前
    试过 whisper.cpp 的 large-v3-turbo 模型,自动按句切分效果很好。
    bigtear
        4
    bigtear  
       80 天前
    whisperx 甚至能按单词对齐,你可以试试,它用的也是一个专门的模型
    afkool
        5
    afkool  
    OP
       80 天前
    @panhongx 这个能用我提供的文本吗?我看了下文档并问了下 ai,他好像是自己生成文本的。我担心生成的某些单词不太对。(毕竟我已经有文本了,就不需要机器自动识别了)
    barnetime
        6
    barnetime  
       77 天前   ❤️ 1
    我也有这个需求, 自己写了个页面 https://repeat-reading-explorer.pages.dev/
    afkool
        7
    afkool  
    OP
       76 天前
    @barnetime 这个是自动识别的还是用的自己的文本?这个声音还可以。是开源模型还是第三方呢?
    barnetime
        8
    barnetime  
       76 天前
    文本是识别的, 音频是出版社网站下载的
    关于   ·   帮助文档   ·   自助推广系统   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1002 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 20:00 · PVG 04:00 · LAX 13:00 · JFK 16:00
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.