问获取音频文件，自动转录，获取输出，并将其与记录进行匹配。

EN

我不知道任何完全自动的软件解决方案，但是本篇论文 (SyncTS:语音和文本文档的自动同步)提供了一种可能的方法。

本文提出了一种语音信号与相应文本文档自动对齐的方法。为此，我们建议首先使用文本到语音合成(TTS)从文本表示中获取语音信号。随后，将两个语音信号转换为音频特征序列，然后利用贪婪的动态时间扭曲(DTW)的变量对时对齐。所提出的方法既有效(具有线性运行时间)，计算简单，又不依赖于先前的训练阶段，因为在使用基于HMM的方法时是必要的。它得益于以下因素的结合: a)一种新的语音特征，与语音进展相关；b) DTW从左到右的贪婪变体；c)基于TTS的从输入文本文档创建特征表示的方法。通过多个实验验证了该方法的可行性。

将允许您将成绩单附加到视频剪辑并尝试对齐它们。它用成绩单作为培训材料，在视频上做文字到讲话。总比没有强..。不幸的是，你做这个手动和8k剪辑，这将不是很愉快。