API di riconoscimento vocale Google: timestamp per ogni parola?

Question

E 'possibile utilizzare API di riconoscimento vocale di Google per ottenere una trascrizione di un file audio (WAV, MP3, ecc), facendo una richiesta al http://www.google.com/speech-api/v2/recognize?...

Esempio: ho detto "uno due tre per cinque" in un File WAV. API di Google mi dà questo

{u'alternative': [{u'transcript': u'12345'}, {u'transcript': u'1 2 3 4 5'}, 
{u'transcript': u'one two three four five'}], u'final': True} 

Domanda: è possibile ottenere il tempo (in secondi) in cui ogni parola è stato detto?

Con il mio esempio:

['one', 0.23, 0.80], ['two', 1.03, 1.45], ['three', 1.79, 2.35], etc. 

cioè la parola "uno" è stato detto tra il tempo 00: 00: 00.23 e 00: 00: 00,80,
la parola "due" è stato detto tra 00: 00: 01.03 e 00: 00: 01.45 (in secondi)

PS: ricerca di una API che supporta altre lingue oltre all'inglese, in particolare il francese.

Answer 1

Non è possibile con Google API.

Se volete timestamp di parole, è possibile utilizzare altre API, ad esempio:

CMUSphinx - riconoscimento vocale offline libero API

SpeechMatics SaaS speech recognition API

Speech Recognition API from IBM

Answer 2

credo che l'altra risposta è ora obsoleto. Questo è ora possibile con l'API di Google Cloud Search: https://cloud.google.com/speech/docs/async-time-offsets