如何实现音频自动断句

[subtleworks]

请问现在的音频自动断句有没有通用的方法？

最近在做听写 但是中间停顿的时间太短 所以想要自动断句 把停顿的时间延长 就不用一直手动回退和暂停了

谢谢

[Edit] 识别音频的内容并非必要 因为我有原文 如果不需要识别音频内容就能断句会更好

[Nosub]

vad 了解一下。

[vivisidea]

1. vad +1 基本思路就是音频先转 pcm ，然后做 vad 切分
2. 偷懒的话可以直接调用 asr 供应商，百度/阿里之类的好像都会有点免费额度，一般返回 text 都带 timestamp 的，按照 timestamp 切就行

[subtleworks]

@Nosub 谢谢

[subtleworks]

@vivisidea 谢谢 第一点有 vad 的库吗

[vivisidea]

@subtleworks #4 我知道有 python 的 https://pypi.org/project/webrtcvad-wheels/ ，你找找又没其它语言的，这个是 google 之前开源的 webrtcvad

[lts9165]

https://github.com/snakers4/silero-vad
开源的里面这个比较好

[AS4694lAS4808]

可以私有部署阿里的 funasr 带 punc 的模型，有时间戳

[subtleworks]

@vivisidea 好的 谢谢

[subtleworks]

@lts9165 谢谢 不过 python 我不会

[subtleworks]

@AS4694lAS4808 谢谢 私有部署有点麻烦 相比之下我还是用商用的免费额度吧

[lts9165]

@subtleworks 是 onnx 的模型，多种语言都可以调用

[subtleworks]

@lts9165 啊 我看见了 web 版本的在这里 https://github.com/ricky0123/vad

[1543544726zy]

小米的没人用吗