こんにちは、ユーザーが話した音声を認識してテキスト形式にする音声認識 API または SDK が必要です。
詳細な説明は次のとおりです。
私のアプリケーションでは、オーディオ ファイルとそのテキストを再生する必要があります。音声の再生が始まると、(音声ファイルから) 話されている単語が強調表示されます。
したがって、api または sdk から単語を取得できれば、それを強調表示できます。
それとは別に、私はAPIについて多くのグーグル検索を行い、 ceedvocalsdkに出くわしましたが、無料試用版は利用できません.
誰かが私の要件または api または sdk にこれ以外のアイデアを提供できる場合、私は非常に感謝します。
あなたが試すことができます
http://www.politepix.com/openears/
速度に関しては、速いはずですが、適切に使用していない可能性があります。私が理解しているように、あなたはすでにテキストを持っており、このテキストから文法を構築する必要があります。
https://github.com/KingOfBrian/VocalKitを見ることができますが、私は自分で試したことはありません。
Nexiwave.com を試すこともできます。
あなたが探している機能は、タイムスタンプできるものだと思います: http://nexiwave.com/index.php/applications/for-transcription-companies
基本的に音声とテキストを取り、各文と単語にタイムスタンプを付けます。
ベン