У меня есть аудио и точный текст, использованный для создания этого аудио по повествованию. Мне нужно получить отметки времени всех слов в рассказанном аудио.
Я пытался использовать AWS transcribe и Google Speech-to-text, но ни один из них не работал очень хорошо. Есть много слов, которые расшифрованы неправильно. Обе эти службы имеют «список фраз» или словарь, которые не имеют возможности предоставить полный текст, но вместо этого отдельные слова или фразы. Я попытался создать словарь или список фраз из отдельных слов сценария, но это почти не помогло.
Может ли кто-нибудь указать мне либо способ сделать AWS для транскрибирования, либо сервис Google Speech To Text для повышения точности транскрибирования, либо, если есть другой сервис, который я могу попробовать, который дает лучшие результаты для моего варианта использования.