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
1
heqing 2023-09-27 16:19:57 +08:00
你是需要在线提供服务还是嵌入到 Android 应用里? 如果是前者,直接用 silero-vad 部署一个服务就可以了.
|