Chapter three of The Medal Giants by Edmound Hamilton. This Librivox recording is in the public domain. Read by Ben Tucker. Chapter three: Lanier arrived [...] In a thousand homes the evening meal was being prepared, and the day's gossip related. In the west, the sun sank lower and lower, and all around, beyond the encircling hills, death marched toward the city with crashing giant strides. End of chapter three.
Was ist automatische Spracherkennung (Speech-To-Text)?
Bei der automatischen Spracherkennung (auch bekannt als Sprache-zu-Text) geht es um die Extraktion von Text aus einer Audiodatei. Dies ist oft ein wichtiger erster Schritt in einer KI-Pipeline. In den letzten Jahren wurden große Fortschritte erzielt, und es ist nun möglich, Text mit großer Genauigkeit aus einer Audio- oder Videodatei zu extrahieren.
Hier ist zum Beispiel ein Kapitel aus einem LibriVox-Hörbuch (The Metal Giants, von Edmond Hamilton), das auf Archive.org gespeichert ist: https://ia801400.us.archive.org/10/items/metalgiants_2209_librivox/metalgiants_03_hamilton_64kb.mp3.
Wenn wir diese Datei in der NLP Cloud einer automatischen Spracherkennung unterziehen, erhalten wir den folgenden Text:
Dies ist eine sehr gute Textextraktion, nicht nur weil es keinen Rechtschreibfehler gibt, sondern auch weil die Interpunktion automatisch hinzugefügt wurde.
Darüber hinaus können Sie auch Zeitstempel auf Wortebene abrufen, um eine Untertitelung durchzuführen.