私がやろうとしていること：
英語のアクセントを（専門的な訓練なしで）開発したい。
エグゼクティブサマリーによる私の推論の背後にある公理のセット：
以下は、故意に単純化しすぎています。申し訳ありません。私は質問を短くしようとしました。
パート1：学習の仕組みを理解する。
現時点では、ブローカ野とウェルニッケ野は言語を認識している必要があり、既存の音声アルファベットによる筋肉の記憶がスピーチを構築すると思います。アクセントは、音のアルファベットの同化によって時間の経過とともに自然に形成されます。
Googleを使用して、音声シャドウイングが音声記号の同化に使用できる可能性があることを発見しました。一方、筋肉の記憶は、反復的な行動によって簡単に訓練することができます。そして、これは、23〜24歳で、集中力を失うと効果的な学習曲線の勾配が劇的に減少する可能性があるため、手に解釈できない時間がたくさんある場合に最も効果的です。この種の手続き記憶は、おそらく、設計されたスリープパターンでメモリにフラッシュするように最適化できます。
パート2：行動パターンの設計
- アクセントになりたい流暢なスピーカーを探す。
- ターゲットアクセント音素と電話を区別します。
- ターゲットのアクセントを生成するために筋肉の記憶をトレーニングします。
パート3：私が聞こえたいアクセントの流暢なスピーカーを見つける。
Youtubeは強力な無料のリソースです。サンプルオーディオ、私が選ぶのが難しい：
-HDの
Someone Like Youアデル（カバー） 。
高音の女性の声だと気になりません。
パート4：ターゲットアクセント音素と電話を区別する。
それは簡単な作業ではありません-話された電話が正しいかどうかを識別して判断します。そして、具体的なテキストが人間によってどれほど正しく話されているか。実際には非常に複雑に見えるので、わざわざ自動化せず、ベースラインとしてIPAを使用します。
上記のサンプルオーディオのアメリカのIPAでの単語ストレスのある最初の詩篇は次のとおりです。
著作権の侵害は意図されていません。そして、画像はupodn（代替：photransedit）で作成されます。
パート5：ターゲットアクセントを生成するための筋肉記憶のトレーニング。
同期を模倣してアーカイブするのは楽しいことですが、単語を音声ファイルとして抽出するツールを作成することをお勧めします。したがって、winampまたはipodを使用して、必要な単語をループおよびシャッフルできます。
これにはMS式エンコーダーを使用できると思います。
質問
オーディオファイル（例：wav形式、サイズ<32mb）とそれに相当するテキスト（有限の単語数、例：2000）が与えられた場合、それを複数のファイルに分割する方法。それぞれに1つの単語が含まれます。Wordには余分な空白を含めることができ、境界チェックはユーザーが承認できます。正確でない場合は、単語の境界を適切に推定するための最良の方法は何ですか。
主な目的は、これが手動で行われる場合、私が行うであろう作業を減らすことです。