如果我们在启用了google-cloud-speech的项目上启用数据记录，我们是否可以访问音频文件及其识别元数据？
如果在启用了google-cloud-speech的项目上启用了数据记录，您可以访问音频文件及其识别元数据。Google Cloud Speech-to-Text是一项语音识别服务，可以将音频转换为文本。当您启用数据记录时，Google Cloud会记录您的请求和响应数据，包括音频文件和识别的元数据。
音频文件是您提供给Google Cloud Speech-to-Text服务的输入文件，可以是各种音频格式，如WAV、FLAC、MP3等。您可以通过访问Google Cloud控制台或使用Google Cloud API来获取这些音频文件。
识别元数据包括与音频文件相关的信息，如识别结果、识别的置信度、语音的持续时间等。您可以使用Google Cloud API来获取这些识别元数据。
Google Cloud提供了一系列与语音识别相关的产品和服务，您可以根据具体需求选择适合的产品。以下是一些推荐的腾讯云相关产品和产品介绍链接地址：
- Google Cloud Speech-to-Text：提供高度准确的语音识别服务，支持多种音频格式和多种语言。产品介绍链接：https://cloud.google.com/speech-to-text
- Google Cloud Storage：提供可扩展的对象存储服务，用于存储和访问音频文件。产品介绍链接：https://cloud.google.com/storage
- Google Cloud Pub/Sub：提供可靠的消息传递服务，用于在音频文件处理过程中进行异步通信和事件驱动。产品介绍链接：https://cloud.google.com/pubsub
请注意，以上推荐的产品和链接仅供参考，具体选择还需根据您的实际需求和项目要求进行评估和决策。
相关·内容
我们想使用google-cloud-speech来执行语音到文本的流式转换。如果启用数据记录，音频数据和识别元数据是否会保存在与项目关联的存储桶中？
浏览 30提问于2019-02-08得票数 0
回答已采纳
我们正在与谷歌云语音集成语音到文本转换启用日志。当记录音频文件时，我们还需要存储与音频文件一起存储的附加标识符，以便稍后当我们从google云检索音频文件时，我们可以执行实体到音频文件的关联。这有可能吗？我们可以将用户提供的元数据与音频文件一起存储吗？我们要流式传输音频数据进行转换，我们需要存储音频文件+一些由我们提供的元数据。
浏览 24提问于2018-12-20得票数 1
我记录来自网络电台的音频流。
录音通常有一小时长( mpeg或flac格式)，每次录音都包含几首歌曲/音乐。
是否有软件可以将录音作为输入，识别/检测单个歌曲的边界(当然是最大的努力)，并将每个输入文件中包含的歌曲/片段作为单独的音频文件输出？
浏览 0提问于2016-11-28得票数 1
1回答
我有数以千计的音频文件在我的电脑上的mp3，m4a，人猿，flac格式。我把它们复制(备份)到一个外部磁盘驱动器上。
如果我更改了PC上某些音频文件的元数据(例如ID3)，那么将更改的元数据同步到外部磁盘驱动器的最佳方法是什么？
文件同步程序可能是一个选择，但复制整个文件的速度要慢得多。我只想同步元数据。
浏览 1提问于2019-10-08得票数 0
1回答
提取音频文件的二进制表示
、、、
我想从一个音频文件(可能记录在audacity中)中提取出确切的二进制实现。我想要这个提取这些表示，以识别语音和声音，即一个基本的语音识别软件。
音频文件也可以是.mp3或.wav。请帮帮忙
编辑-我想获得音频的波形，而不是图形，而是二进制表示，这样我就可以将语音转换为文本。
浏览 2提问于2012-03-05得票数 0
我记录来自网络电台的音频流。
录音通常有一小时长( mpeg或flac格式)，每次录音都包含几首歌曲/音乐。
是否有软件可以将录音作为输入，识别/检测单个歌曲的边界(当然是最大的努力)，并将每个输入文件中包含的歌曲/片段作为单独的音频文件输出？
浏览 0提问于2016-11-28得票数 1
回答已采纳
1回答
我曾经使用Android模拟器进行调试。一切都很好。但当我尝试Android 4的仿真器时，它太落后了。使用它几乎是不可能的。因此，我尝试用三星Galaxy和Android4.0.4进行USB调试。我已经在设备上启用了USB调试，安装了驱动程序，试图使用Kies，但它只是不起作用。当我开始调试并在Android设备选择器中选择此设备时，它如下所示：
samsung-gt_i9100-0019caae19649e \ N/A / 4.0.4 -在线
在控制台中，它给了我以下代码：
[2013-01-28 20:30:58 - UniqueFileExplorer] Android Launch!
浏览 0提问于2013-01-28得票数 2
1回答
我有个问题，我不知道该怎么解释。如果我在soundcloud上发布音频文件(例如)这个网站给了我一个链接。Facebook识别出了这个链接，并向我显示了一个播放按钮，我可以直接在页面上收听，而不必转到soundcloud。另外，在soundcloud上，我上传了一张图片，facebook会显示我的图片。有人能解释一下我该怎么做吗？
我有一个服务器，我想不时地发布一些音频文件(从我的服务器链接)到facebook。我希望facebook能识别我的链接，这样每个访问我页面的人都能听到音频文件。
非常感谢你的回答。
浏览 4提问于2013-01-27得票数 1
回答已采纳
2回答
我能够运行这段代码并获得音频文件的转录。但是它不区分说话者(结果总是显示“扬声器1"，”扬声器2“永远不会被识别)。
我一直在使用的文件示例：
中文：
法语：
浏览 3提问于2021-06-01得票数 1
1回答
我目前正在使用Azure演讲在我的项目中发短信。它是识别语音输入直接从麦克风(这是我想要的)和保存文本输出，但我也有兴趣保存音频输入，以便我可以听它以后。在迁移到Azure之前，我使用了带有recognize_google的python语音识别库，它允许我使用get_wav_data()将输入保存为.wav文件。有什么类似的东西我可以用在Azure上吗？我阅读了文档，但只能找到将音频文件保存为文本到语音的方法。我的临时解决方案是先保存音频输入，然后使用该音频文件上的蔚蓝stt，而不是直接使用麦克风进行输入，但我担心这会减慢进程。有什么想法吗？提前谢谢你！
浏览 12提问于2022-03-16得票数 0
回答已采纳
1回答
我有一个音频文件，而且我有那个音频文件的准确记录。我希望能够在这个特定的文字记录中得到每个单词的时间戳。
我不想要不准确的演讲的时间戳。我已经可以这样做了，这是有用的，但由于语音识别中的错误，它还不够好。
有没有人知道谷歌语音识别是否有可能做到这一点？
浏览 3提问于2020-04-25得票数 1
1回答
我已经记录了英文字母的音频文件，每个文件包含26个字母。我已经把每封信分割成一个单独的音频文件。现在我想把类似的音频字母放到一个文件夹中。我可以手动完成，但这需要时间。这有分类方法吗？
浏览 0提问于2021-02-07得票数 0
我知道音频指纹识别音频文件，这是很棒的，但我真正想知道的是Google是如何制作语音识别API的，它们是如何获取音频和返回的单词的。
我写了一个宝石来指纹wav音频文件并对它们进行比较，但是如果我用指纹将我的声音与充满指纹的数据库进行比较，可能要花费很长时间。谷歌是怎么做到的？
用途：
我真的很喜欢语音识别，我想要一个地方开始编码，但我不知道从哪里开始。DragonVoice是语音识别软件的另一个例子，所有这些软件都非常快。
我想知道从音频记录到转换成文本的服务器流。
浏览 5提问于2014-02-27得票数 0
回答已采纳
1回答
如何训练语音识别的lstm
、、、、
我正在尝试训练用于语音识别的lstm模型，但不知道要使用什么训练数据和目标数据。我使用的是，它包含音频文件和它们的文字记录。在这一点上，我知道目标数据将被矢量化文本文本。至于训练数据，我在考虑使用每个音频文件(或MFCC特征)中的频率和时间。如果这是解决问题的正确方法，训练数据/音频将是多个数组，我如何将这些数组输入到我的lstm模型中？我需要对它们进行矢量化吗？
谢谢!
浏览 1提问于2016-11-26得票数 5
回答已采纳
我的应用程序使用RecognizerIntent记录用户的声音，并做一些语音识别。
现在，我想将结果与一些开源语音识别引擎进行比较。它们中的大多数都以音频文件作为输入。我的想法是，从安卓的麦克风捕捉声音，同时启动RecognizerIntent。但似乎，访问麦克风是排他的。
可以用录音的音频流使用RecognizerIntent吗？可以用两个激活同时访问麦克风吗？
浏览 7提问于2011-01-12得票数 11
回答已采纳
我正在做谷歌云语音到文本的示例。我从这个链接中获取了一个示例，并引用了该示例中给出的示例文件。它给出了音频文件的文本。但是如果我给自己的音频文件，它不会返回任何东西。
云请求包括音频文件、AudioEncoding和SampleRateHertz。问题可能是在我自己的音频文件的AudioEncoding和SampleRateHertz中。
如何识别音频文件的AudioEncoding和SampleRateHertz？
浏览 1提问于2018-10-25得票数 1
1回答
我感兴趣的是使用音频文件来记录时间内发生的事件。也就是说，我将有多个数据流，需要在时间上对齐，我想使用音频文件作为参考。所以，我想知道是否有可能得到一个音频流的实际时间基，作为相对于实时时钟的参考？
我很欣赏从样本计数和采样频率(例如，16 the )中可以确定音频剪辑的持续时间。对于短片段，这可能是一个很好的估计，但对于长时间(多小时的录音)，这个估计会有多准确？我想在几个小时内保持亚秒精度。
换句话说，音频文件是否存储音频记录的实际开始和停止时间，如引用RTC (实时时钟)。这将允许一个人为音频文件中的每个样本生成一个时间基.如果是这样的话，我可以从python音频库获得这些数据吗？
我使
浏览 2提问于2017-02-13得票数 2
回答已采纳
2回答
我在ReactJS组件中有一个HTML标记。每个不同的音频文件都呈现一个组件。第一次正确呈现组件时，会显示一个音频以及文件的长度，但当我选择要呈现的另一个文件时，即使源代码指示我选择的文件的路径，它也不会呈现。
<audio controls><source src={props.audio} type="audio/wav"></source></audio>
其中"props.audio“是音频文件的路径，这段代码位于我的ReactJS组件中，每当用户选择不同的文件时，该组件就会被呈现。
例如，如果我有两个音频文件，一
浏览 7提问于2016-11-30得票数 1
回答已采纳
1回答
如何在我的项目中实现三重损失？
、、、、
我正在做一个关于说话人识别的项目，我有音频文件的数据集，其中我将声音特征( 1x13的数组)作为输入，作为输出，我为每个说话者(假设扬声器1-输出=1扬声器2输出=2)选择一个随机整数。
为了达到更好的精度，我被提议使用三重损失，但我不明白我们如何在张量流中实现它(根本没有示例)。
据我所知，我为每个扬声器取了2个正值和一个负值(例如，同一个扬声器的2个音频文件的2个特征，以及我将使用wavenet创建的另一个扬声器的合成音频文件的一个特征)
但是为了实现三重损失，我用这个特性做了什么，这意味着我是如何使用张量流来实现它的
浏览 0提问于2019-12-17得票数 1
2回答
我目前正在开发一个关键字识别系统，它使用深度神经网络识别从0到9的数字。我有一个说数字的人的数据集(即TIDIGITS数据集，在德州仪器公司收集)，但是数据不准备输入神经网络，因为不是所有的音频数据都具有相同的音频长度，加上一些文件包含几个顺序说出的数字，如“一、二、三”。
谁能告诉我如何将这些wav文件转换成1秒的wav文件只包含一个数字的声音？有没有办法自动做到这一点？单独准备音频文件将耗费大量时间。
提前谢谢你！
浏览 0提问于2018-04-29得票数 3
目的是从文件类型中提取元数据。我知道这些: TagLib用于音频文件，Exiv2用于图像(但这用于C++)
我不确定TagLib是否适合于C程序。我也找不到那种顺序的东西。
Exiv2是一个C++库。
你知道我在C程序中可以使用什么库吗？或者，如果有其他库，我如何与我的C程序接口？
浏览 4提问于2012-09-28得票数 0
回答已采纳
1回答
在过去的几天里，我一直在开发我的应用程序，我需要同时播放和录制一个音频文件。我需要完成的任务只是将录音与播放的音频文件进行比较，并返回一个匹配的百分比。以下是我到目前为止所做的工作，以及我的问题的一些背景：
目标API >15。
我决定使用.wav音频文件格式来简化对文件的解码。
我用AudioRecord录音，用MediaPlayer播放音频文件
为了传递音频文件并将其转换为PCM以执行匹配分析，我创建了一个decider类。
我在录制AudioFormat时使用了以下规格(CHANNEL_MONO，16位，SAMPLE_RATE = 44100)
在将音频文件
浏览 4提问于2017-01-04得票数 2
回答已采纳
我有一个sqlite表，其中包含从目录树中的数千个音频文件中提取的元数据。提取的目的是对表运行一系列查询，以识别和纠正底层元数据中的异常。然后将校正后的元数据从表写回基础文件。底层文件被分组为相册，每个相册都在自己的目录中。与我的问题有关的表格结构如下：
__path:唯一标识符，即路径和源文件名组合在一起
__dirpath:简单地说，表示由表记录表示的文件所在的目录。组成专辑的记录将具有相同的__dirpath
__discnumber:表示音轨来源的光盘号的数字。字段可以为空白或包含字符串1、2、3.等。
我想识别所有的记录(__dirpath是相同的，__discn
浏览 2提问于2015-11-16得票数 0
回答已采纳
2回答
使用哪种语音识别系统？
、、、、
我想实现以下想法。我需要我的用户打开网页或移动应用程序，并说些什么。用户的语音将被记录到端发送到本地服务器，我希望服务器对其进行处理并生成一些语音输出。
下面是我的问题：
使用哪种语音识别API？在我的例子中，音频文件将被发送到服务器，然后将被处理。
我需要识别名字和姓氏。这是一个潜在的问题，因为我并不生活在讲英语的国家，而名字和姓氏对讲英语的人来说可能是相当陌生的。我想通过在语音识别系统的“字典”中添加所需的名称和姓氏来实现这一点，所以我需要一个可以扩展其字典的名称。
我需要一个自由决定。
那么，我应该使用哪种语音识别API来实现我的想法呢？
浏览 1提问于2015-11-16得票数 0
回答已采纳
3回答
我想缅甸语的语音识别。。
我指的是以下链接：
但没有取得任何成功
与音频文件相比，是否还有其他方法，如记录和将语音转换为文本或记录后。请帮助我，给我任何解决办法。
浏览 3提问于2012-04-10得票数 6
1回答
我想做的应用程序
我想制作像这样的音频识别移动应用程序
世博会
博览会AV()
Tensorflow服务
Socket.IO
我希望每秒钟或每一个样本通过Socket.IO将记录数据发送到基于机器学习的识别服务器(可能发送数据采样速率每秒的次数太多了)，然后移动应用程序接收并显示预测结果。
问题
如何在从recordingInstance记录数据时获取数据？我读过世博会的音频文件，但我想不出怎么做。
到目前为止
我举了两个例子：
现在我想混合两个例子。感谢您的阅读。如果我能用console.log记录数据，这会有很大帮助。
相关问题
这可能是不
浏览 3提问于2020-10-17得票数 6
我试图创建一个语音识别数据集，特别是印度口音。我是从同事那里得到的。每天我发送一个文章链接，并要求他们记录和上传到谷歌驱动器。
我对这种方法有意见。所有长度为5-7分钟的录音。我使用的是DeepSpeech模型，它需要10秒钟的音频语句.
建议我任何方法，如果可能的话，将音频文件分割成相应的句子短语或建立一个更好的5分钟长的音频文件。更多的建议是欢迎在一个更好的方法来创建一个演讲文本数据集。
浏览 0提问于2019-03-31得票数 1
1回答
我收集了一些原始的音频，从所有的会议，讲座和随意的谈话，我是其中的一部分。机器转录没有提供良好的结果(从Azure，AWS等)。我会把这两个data+label (audio+text)都转录成ML训练。
我的问题是是否要小(3-10秒)。音频文件(沉默时将其分割)，然后转录每个小文件？还是带有subtitle.srt格式时间戳的大文件？如果我有一个带文本的长时间音频文件呢？我听说长文件有更多的错误的机会&不准确的训练。如果我添加时间戳(比如字幕文件srt )呢？我需要小音频文件吗？我试着用Azure定制的语言来训练和测试，但是它会抛出错误，说它不会处理大的音频文件。(所以推荐小块。)
浏览 0提问于2020-08-03得票数 1
我有一个使用表单身份验证的asp.net mvc应用程序，即用户/密码在数据库中。这个应用程序由几个客户在他们自己的服务器上使用，其中一个希望他们的员工按照Intranet自动登录，因为显然必须登录才能阻止他们使用它！？！
我确信你不能将Windows和Forms身份验证混为一谈，所以我的问题是，有没有办法识别windows/ad用户名或其他任何东西，以便我可以手动对它们进行身份验证？我实际上不需要通过windows来验证它们，我只需要以某种方式获得信息，使我能够将它们与数据库中的记录进行匹配。
浏览 0提问于2015-07-17得票数 3
为了测试目的，我想用元数据创建音频文件(.mp、.wav、.flac、.aiff)。音频文件不一定是“合法的”，因为我需要测试文件的信息，而不是文件内容本身。我怎么能这么做？
浏览 2提问于2021-10-06得票数 0
4回答
我有一个音频文件，两个人的电话通话录音，我需要自动分离两个扬声器的声音。我是语音识别的新手，我看过python的wave模块，但没有找到任何有用的信息。
请帮助一下如何开始。另外，请向我推荐免费的python库，这将帮助我解决这个问题。
浏览 0提问于2011-09-05得票数 21
2回答
梦想工厂-上传文件的不同内容类型
、、、、
我们正面临着一个奇怪的问题，我们正在使用Dreamfactory存储记录在iOS设备m4a中的音频文件，该设备工作正常，上传没有问题。
当我们试图从服务器访问音频文件时，从梦幻工厂中存储的文件返回的内容类型是 iOS /x-m4a，这是iOS SDK无法识别的，当我上传相同的文件是不同的服务器，访问的内容类型是音频/MP4，音频文件运行良好，没有任何问题。
我们无法确定这个问题。有人能帮忙吗？
谢谢。
浏览 1提问于2018-04-12得票数 0
1回答
语音识别
、、、、
我有一个java应用程序。我想在上面实现一个语音识别功能。
就像这样：
假设我有一些用户称之为“嘿”、“1”、“2”、"tea“的记录，当他/她说”嘿“时，语音识别api应该识别这些记录的第一个输入。”嘿“、”1“、”2“、"tea”可以是英语中没有词的东西。
我已经找到了一些apis，这些apis支持语音识别或有听觉打印算法。但我不想用它们。
让我解释一下为什么我不使用这些apis。首先，语音识别apis试图理解单词并转换为文本。但是，这仅限于api支持的语言。即使语音识别api支持英语语言。因为用户发音不好，结果可能会很糟糕。所以我不想在我的应用程序中使用语音识别api。因
浏览 4提问于2016-06-20得票数 4
我正在开发一个应用程序，我需要记录/拍摄并选择照片、视频和音频文件。我设法拍摄/选择照片，录制音频和视频。
但是我找不到一种方法来选择视频和音频文件。
对于照片选择，我使用了PhotoChooserTask。
我搜索了启动器和选择器文档，但什么也没找到。
有这样的东西吗，或者我需要实现我自己的东西？
谢谢。
浏览 1提问于2011-07-25得票数 5
回答已采纳
我有一个数据库，有500万个用户上传的音频文件，包括：
歌曲
电影音频剪辑
在线随机音频文件
用户录制的音频剪辑(例如带有麦克风)
音频文件有标题，尽管不一致，有时也不正确。
有许多重复与轻微的差异:标题差异，音频差异(长度，压缩，音高等)。我想把每个音频文件归入一个类别，对应于它是什么。“它是什么”是指基于音频(而不是标题)的音频文件的最相关的标题。
例如，“迈克尔·杰克逊-颤栗”可能有30个不同的音频文件，它们的长度、压缩级别、标题等都略有不同。这些文件都应该归为一个类别，并配以适当格式的歌曲标题。
有些音频文件不可能以编程方式正确命名。例如，来自这个视频的音频将在
浏览 1提问于2020-04-23得票数 0
1回答
因此，我有两个带有短音频标签的音频文件，以及两个记录需要插入这些音频标签的时间点的向量。如何在mp3中创建C++文件，以便将文件中的这些标签从向量中插入到文件中？最终，我需要保存这个mp3文件。
浏览 3提问于2022-05-19得票数 0
1回答
我正在寻找一个保存记录的工具，有以下要求：
必须可在现场安装以满足法律需要，无数据离开大楼.
必须提供了用于上传的API，以便与其他产品集成。
必须处理数百万个文档而没有性能损失，因此删除Windows文件夹中的所有内容是不可能的。
必须允许按元数据进行筛选，包括字符串以外的其他类型的元数据，如日期/时间。
必须允许清除旧文档
应该允许对存储的文件进行加密
很高兴有访问审计
不需要：
捕获:扫描、OCR、OMR --因为文档首先是通过电子方式生成的。
全文搜索-通过元数据进行搜索就足够了。
验证--不需要，因为系统已经完成了这个工具将与
分发，存档除外。只有少数用户帐户可以访问这些文档。
工作
浏览 0提问于2017-07-24得票数 2
1回答
音频识别
、、、
我正在编写一个程序来记录可识别的音频，这样以后就可以很容易地与其他音频文件进行比较。音频文件将包含一些类似于语音的内容，所以我想知道有什么更容易做：
实现一种语音识别和保存/比较输出的算法，
或者用快速傅里叶变换来实现/创建一个类似音频指纹的算法，并对这些算法进行比较？
有人在那个领域有什么经验吗？我想知道第二个解决方案是否可以在相对较短的时间内实现。也许有一个不太难编码的解决方案，而我只是没有找到它？
浏览 2提问于2013-03-19得票数 1
2回答
音频元数据存储
、、
我检查了关于音频元数据的问题，但没有找到一个可以回答我的疑问。音频文件的元数据到底存储在哪里，以什么形式存储？它是以文件的形式还是以数据库的形式存在？这个文件数据库存储在哪里？
浏览 0提问于2010-01-14得票数 0
我在一个对话系统上工作，我需要得到两个ASR结果以及相应的音频文件作为输入。我在Ubuntu14.04上使用ROS indigo，并编辑recognizer.py ()，以便接收来自ASR的文本和每个可识别话语的音频文件。我将gst管道更改为：
self.launch_config += " ! audioconvert ! audioresample ! tee name=t ! queue ! audioresample " \
+ '! vader name=vad auto-threshold=true
浏览 2提问于2015-03-03得票数 1
3回答
嗨，我想有一个语音识别api或sdk，它可以识别用户说的语音，并给出它的文本形式。
具体说明如下：
在我的应用程序中，我需要播放一个音频文件，它的文本已经存在。当音频开始播放时，应突出显示所说的单词(来自音频文件)。
因此，如果我能够从api或sdk中获得该词，则可以将其突出显示。
除此之外，我在谷歌上搜索了很多api，我偶然发现了，但它不是免费试用的。
如果有人能提供任何其他的想法来满足我的需求，或者api或sdk，我将非常感谢。
浏览 2提问于2010-11-11得票数 4
回答已采纳
2回答
我们有来自我们的服务器端进程之一的实时、不加控制的记录的各种波形文件，而且它们中的大多数在整个过程中都有很好的清晰的语音。然而，有时他们是混乱的，他们有静态，或说话音量不够大。是否有一个有效的方法来确定一个记录是否被认为是“良好”质量使用C#？
我曾想过要把已知的好唱片的平面图和不好的录音进行比较，但是每次录音都会有不同的语言，所以这可能行不通。我研究过像Bass.Net和NAudio这样的库，但是音频处理不是我的专业领域。
我可以尝试比较，但我不完全确定它是如何工作的。我看到有人试图用他们的音频指纹哈希和Levenshtein距离算法来比较两个音频文件，以找到两个音频文件之间的相似度。除非音
浏览 6提问于2013-08-14得票数 0
回答已采纳
1回答
是否可以像音频文件一样以某种布局将数据发送到WhatsApp等？类似于你在WhatsApp上分享YouTube视频时得到的“布局”：
我现在在想的是，这可能不是一个与数据一起发送的布局，但WhatsApp或其他应用程序可以识别YouTube链接，并自行将布局添加到其中。这是正确的吗？
目前，我用于共享音频文件的代码很常见，如下所示：
final String AUTHORITY = view.getContext().getPackageName() + ".fileprovider";
Uri contentUri = FileProvider.getUriFor
浏览 0提问于2017-06-17得票数 0
3回答
我对这两个术语感到很困惑。我知道元数据的基本含义是“关于数据的数据”。
微数据意味着网页现在更容易被搜索引擎访问。
但是这两个术语的区别是什么呢？
浏览 7提问于2015-10-24得票数 4
回答已采纳
我试图使用Gracenote客户端为android识别音乐通过麦克风。
到目前为止，它运行良好，我收到了识别结果(使用identifyAlbum)。
我想知道，是否有可能支持脱机场景。对指纹进行指纹识别，并将指纹提交给gracenote服务器(当互联网可用时)。
(我知道它可能会将录音存储为音频文件，并在以后提交该文件以供识别。我只是想知道，是否有可能存储和检索指纹，而不是记录)
我们非常感谢你的帮助。
问候和感谢。沃利
浏览 5提问于2017-02-19得票数 1
回答已采纳
据我所知，大多数语音识别实现都依赖于二进制文件，这些文件包含他们试图“识别”的语言的声学模型。
那么人们是如何编译这些模型的呢？
一个人可以手动抄写大量的演讲，但这需要大量的时间。即便如此，当给出一个包含某些语音的音频文件，并在文本文件中对其进行完整的转录时，单个单词的发音仍然需要以某种方式分开。要匹配音频的哪一部分对应于文本，仍然需要语音识别。
这是怎么收集起来的？如果一个人交出了价值数千小时的音频文件及其全部转录(不考虑人工转录的问题)，那么如何在一个单词结束和另一个单词开始的正确间隔内分割音频？制作这些声学模型的软件是否已经具备了语音识别的能力？
浏览 6提问于2015-08-03得票数 2
回答已采纳
2回答
我想知道在上传了一个文件并嵌入到<audio>标记之后，如何获得以下音频元数据。
采样率
钻头深度
频道数
使用可以吗？还是需要解析每个音频文件的二进制数据？
浏览 3提问于2021-11-22得票数 3
1回答
假设我在S3中导入了大量音频文件。我需要映射我的音频文件元数据(包括艺术家，曲目名称，持续时间，发布日期，.)到DynamoDB表中，以便在react应用程序中使用GraphQL API查询它们。但是，我还不知道如何提取要在DynamoDB中映射的这些元数据。
在DynamoDB开发人员指南中，提到(p.914)可以将S3对象标识符存储在DynamoDB项中。
还需要指出的是，S3对象元数据支持可以提供指向DynamoDB中父项的链接(通过将表项的主键值存储为S3元数据)。
但是，这个过程并不详细；我发现的最接近的方法是J.Beswick，他使用lambda函数从存储在S3桶中的JSON文件加
浏览 2提问于2020-08-06得票数 0
回答已采纳
1回答
我正在用C#编写一个应用程序，它将记录音频文件(*.wav)并自动标记和命名它们。波形文件是RIFF文件(如AVI)，除了波形数据块外，还可以包含元数据块。所以，现在我试图弄清楚如何从记录的波形文件中读取和写入RIFF元数据。
我使用NAudio记录文件，并在上询问作为的读取和写入RIFF标记的方式。虽然我收到了许多很好的答案，但是没有一个解决方案允许像我想的那样轻松地阅读和。
但更重要的是，我很少有处理字节级文件的经验，并且认为这可能是一个学习的好机会。因此，现在我想尝试编写我自己的类(Es)，它可以在一个RIFF文件中读取，并允许从文件中读取和写入元数据。
我在C#中使用了流，但总是同时使
浏览 4提问于2010-04-11得票数 2
回答已采纳
1回答
我正计划创建一个语音识别网络，它能识别少量的单词(语音命令)，并从谷歌( google )那里看到语音命令数据集。除了可用的数据集外，我还计划增加几个词，如“移动”、“保存”等，这些词不是谷歌数据集的一部分。
是否有任何方法或其他来源可以为这些单词创建/查找数据集？
由于许多在线数据集都可用于句子和语音记录，因此我正在考虑编写一个脚本，该脚本可以遍历可用的抄本，找到所需单词的位置，并对音频进行物理裁剪，然后将其填充成第二个音频文件。但这似乎是非常艰巨的过程，很少有像我的机器人的名字将无法在网上获得。
你们能给我个建议吗？
浏览 0提问于2018-07-25得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
