您如何使用 Google Speech-to-Text 获得给定音频文件的“暂停”标记？

如何解决您如何使用 Google Speech-to-Text 获得给定音频文件的“暂停”标记？

谷歌 Speech-to-Text 的音频文件输出如下。

results {
  alternatives {
    transcript: "extremely grateful for the "
    confidence: 0.911402702331543
    words {
      start_time {
      }
      end_time {
        nanos: 600000000
      }
      word: "extremely"
    }
    words {
      start_time {
        nanos: 600000000
      }
      end_time {
        nanos: 900000000
      }
      word: "grateful"
    }
    words {
      start_time {
        nanos: 900000000
      }
      end_time {
        seconds: 1
        nanos: 100000000
      }
      word: "for"
    }
    words {
      start_time {
        seconds: 1
        nanos: 100000000
      }
      end_time {
        seconds: 1
        nanos: 300000000
      }
      word: "the"
    }
    words {
      start_time {
        seconds: 1
        nanos: 300000000
      }
}

我想获得单词之间的停顿。下面，“extremely”这个词从 0 开始，以 nanos:600000000 结束。 “感恩”下一个词的起始时间是Nanos：600000000。但是我们说话的时候，词与词之间是有差距的。我想要单词之间间隔持续时间的时间戳。

有什么办法可以使用 google Speech-to-Text 获取这些信息？
如果没有，请提出一些替代方案以实现相同的目标。