Windows 10 揚聲器聲音（語音）轉文字？

Question 1

似乎目前還沒有 Windows 內建程式可以做到這一點，儘管將來可以期待這一點，特別是如果 Windows 助理 Cortana 已經存在，並且 Speech-To-Text 應用程式已經在較小的裝置上可用。

然而，目前還需要「其他解決方案」：

您需要搜尋 ASR (=STT) 模型，即「自動語音辨識」(=Speech-To-Text) 模型

ASR 的精彩理論概述位於https://maelfabien.github.io/machinelearning/speech_reco/#。

因為這個問題是關於它的實際方面的：

您需要購買語音轉文字程式 - 我曾經購買過龍自然說話市場領導者「Nuance」的產品與飛利浦語音追蹤器。這不會做任何廣告，這只是我獲得第一個語音到文字程式的方式。我從未測試過它，儘管這樣做仍然在我的清單上:)。
或者您需要搜尋預訓練模型/自己訓練模型。

我就告訴如何我搜索了它，這是主要答案，而不是確切的連結。 StackExchange 並不是要刪除某些產品或鏈接，這被認為是相當偏離主題的。我沒有測試過任何東西，我也不是專業用戶。

在搜尋ASR 模型時，我在「Hugging Face」找到了三個預訓練模型，這是一個人工智慧社區，提供了看似最相關的模型選擇，如果我一開始只想找到很少但相關的結果，那麼這很好：https://huggingface.co/models?pipeline_tag=automatic-speech-recognition。然後我詳細查看了它們，發現它們是在 GitHub 上公開的模型上進行訓練的：

其中兩個是基於 ESPnet 的。請注意 ESPnet2 即將推出。演示可在https://github.com/espnet/espnet#asr-demo。
Facebook 模型基於 wav2vec 模型https://github.com/pytorch/fairseq/tree/master/examples/wav2vec#wav2vec-20。

然後我們在這裡看到一切都在 GitHub 上開始和結束，這應該不足為奇。在GitHub 上，您可能想要搜尋ASR、STT、自動語音識別、語音轉文本，也許只是搜尋“語音”，就像我所做的那樣，按星號對結果進行排序，以發現“Mozilla DeepSpeech”是最重要的有前途的項目：https://github.com/mozilla/DeepSpeech#project-deepspeech。

對於 Chrome，有語音文字編輯器它支援西班牙語的所有各種方言。

您應該嘗試免費版本谷歌語音轉文本。

此外，如果您使用正確的關鍵字進行搜尋並添加您的語言，您將找到以您所需的語言進行預先訓練的模型，例如

“西班牙語演講”導致https://github.com/luchovelez/SpeechRecognition
「deepspeech spanish」顯示了六個結果，幾乎沒有星星（這並不意味著它們不起作用）：https://github.com/search?q=deepspeech+spanish&type=Repositories

如果你繼續這樣尋找，你會發現更多的項目。您通常不需要任何程式設計技能，演示更多的是複製和貼上工作。唯一需要的就是手邊有正確的程式框架。

請注意，某些模型或程式需要選定的取樣率作為輸入，例如 16 KHz。有時您需要重新格式化音訊檔案或音訊輸入。

Answer