Я работаю с некоторыми записанными аудиофайлами, и у меня есть расшифровка того, что говорится. Проблема в том, что я работаю с арабским (египетским) языком, поэтому точность не так велика. Что мне нужно сделать, это дать API транскрипт, содержащий правильный текст, а затем принудительно привести речь в соответствие с текстом. Другими словами, получите временные метки каждого слова в тексте речи. Так есть ли способ сделать это?
Заранее спасибо