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
Select Language