如何解决如何使用python3转换srt中的pocketsphinx响应数据
我需要从音频文件中提取语音。使用pocketsphinx,我能够在音频中获取单词列表及其开始帧和结束帧。
现在我想将从口袋狮身人面像收到的响应转换为“SRT”文件格式。
我试图通过在开始帧和结束帧的基础上计算秒数来实现这一点。但是计算没有给出正确的响应。
以下是我正在处理的示例代码:-
from pocketsphinx.pocketsphinx import *
config = Decoder.default_config()
config.set_string('-hmm',MODELDIR + "/cmusphinx-en-us-8khz-5.2")
config.set_string('-lm',MODELDIR + "/en-70k-0.2-pruned.lm")
config.set_string('-dict',path.join(MODELDIR,'cmudict-en-us.dict'))
decoder = Decoder(config)
#
stream = open('Welcome.wav','rb')
decoder.start_utt()
while True:
buf = stream.read(1024)
if buf:
decoder.process_raw(buf,False,False)
else:
break
decoder.end_utt()
text = ""
for seg in decoder.seg():
print(seg)
text = text + '\n' + seg.word + " " + str(seg.start_frame) + " " + str(seg.end_frame) + " " + str(seg.prob)
回复:-
<s> 3699 3702 -27
thank 3703 3731 -697
you 3732 3748 -37
for(2) 3749 3758 -21404
choosing 3759 3810 -11526
be 3811 3826 -38920
an(2) 3827 3839 -54884
上面我得到了单词,开始帧,结束帧,概率。 现在我需要从上面的响应中生成“SRT”文件格式。 请为此提供任何解决方案。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。