[問題] 辨識影片中人聲起始時間

[asid52714 (黑心人)]

請問版友，

若我有一隻五分鐘的mp4影片，

想要辨識影片中的人講話時的起始時間。

例如：00:02 大家好
      00:03 很高興今天能夠參與此次會議

並不需要辨識語音內容再轉文字，

只要能抓到起始時間即可，

不知道有什麼套件可以達成這個任務呢？

感謝閱讀。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.149.99
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1558057351.A.8F7.html
推 sma1033: 若你的影片包含了除了人聲以外的聲音，那這個問題就很難
→ sma1033: 反之，若影片裡的聲音非常乾淨主要都是人聲，那人工抽抽
→ sma1033: Feature，自己調一下應該就可以做個7.8成
推 sma1033: 自動上字幕這種事情大家都想做，但是技術上還是存在瓶頸
→ jiyu520: Voice Activity Detection (VAD)