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.
Che cos'è il riconoscimento vocale automatico (Speech-To-Text)?
Il riconoscimento automatico del parlato (noto anche come speech-to-text) consiste nell'estrarre il testo da un file audio. Si tratta spesso di un primo passo importante in una pipeline di IA. Negli ultimi anni sono stati fatti grandi progressi e oggi è possibile estrarre il testo da un file audio o video con grande precisione.
Per esempio, ecco un capitolo di un audiolibro LibriVox (The Metal Giants, di Edmond Hamilton), archiviato su Archive.org: https://ia801400.us.archive.org/10/items/metalgiants_2209_librivox/metalgiants_03_hamilton_64kb.mp3.
Una volta eseguito il riconoscimento vocale automatico su questo file su NLP Cloud, otteniamo il seguente testo:
Si tratta di un'ottima estrazione di testo, non solo perché non ci sono errori di ortografia, ma anche perché la punteggiatura è stata aggiunta automaticamente.
Inoltre, è possibile ottenere i timestamp a livello di parola, per eseguire la sottotitolazione.