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.
自動音声認識（SoT）とは？
自動音声認識（Speech-to-Textとも呼ばれる）とは、音声ファイルからテキストを抽出することである。これはしばしば、AIパイプラインの重要な第一歩となる。ここ数年で大きな進歩があり、音声ファイルやビデオファイルからテキストを高い精度で抽出できるようになりました。
例えば、これはArchive.orgに保存されているLibriVoxオーディオブック（エドモンド・ハミルトン著『The Metal Giants』）の一章である： https://ia801400.us.archive.org/10/items/metalgiants_2209_librivox/metalgiants_03_hamilton_64kb.mp3.
このファイルをNLPクラウド上で自動音声認識すると、次のようなテキストが得られる：
スペルミスがないだけでなく、句読点も自動的に付加されている。
さらに、字幕を作成するために、単語レベルのタイムスタンプを取得することもできる。