由于最近 whisper 特别火,想做一款字幕软件玩,但是不会 py ,所以需要找人帮忙完成语音检测这个流程,预算 800 ,使用 silero-vad 模型,传入音频文件地址,返回 JSON 数组(每段对话的时间点起点和终点) 做好直接给我 jar 或者 aar ,或者辅导我完成这个功能也行
安卓别人实现的项目,不过没有时间范围( https://github.com/gkonovalov/android-vad) py 实现的项目,有时间范围( https://github.com/qkdxorjs1002/silero-vad-restapi-demo)
微信:zs1286041359 预算有限,欢迎大佬打扰
这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.