如何在OS X上获得实时转录（没有音频文件）？

Question

我正在为一个忙于不必要的会议的人开发一个应用程序，这些人需要知道何时有人问他们一个问题。

我的计划是：

1. 将会议的音频（通常从我的扬声器中传出）流式传输到语音到文本程序
2. 将其转化为监视我名字和/或语调的问题
3. 当有人问我问题时，让程序“响”。 然后，我可以快速阅读文字并回答。

困难的部分是步骤（1） 。 我发现所有语音到文本程序都接受音频文件作为输入，而不能仅仅从任何通道流向扬声器/耳机。 另一方面，我发现辅助程序接管了键盘输入。 理想情况下，用户将可以通过在会议期间键入其他应用程序来进行富有成效的工作，因此这种解决方案将行不通。

因此，我正在寻找可以在OS X上使用的东西，它们可以处理步骤（1） 甚至更好地为我完成上述大多数步骤。

我已经对解决方案进行了研究，但无法找到步骤（1）的任何内容。 我包括其他步骤，是因为可能有一个我不知道的针对整个程序的更具创造性的解决方案（例如一些其他非听写的辅助技术）。

Answer 1

您可以使用许多API，例如Google的流API ，但是它并不是完全免费的。

如果容忍精度较低，则可以使用CMUSphinx之类的开源软件。

问题还在于如何从voip软件获取音频流，您必须自己破解它。 或者您必须重新录制扬声器上播放的内容，这并不总是一个好主意。

Answer 2

1）我使用LoopBack进行应用间音频路由，本质上是一种虚拟混音器，可将音频从一个应用程序传递到另一个应用程序。 它显示为音频输入设备，还可以进行监视-因此您可以收听和流式传输到另一个应用程序。

2和3）并不是我的专业领域，但是我可能会研究任何Google API（如Nikolay所说）来开始我的研究。