这是提交给AssemblyAI Challenge的：高级的语音转文字功能。

我开发了Speech-to-Note，这是一个结合了语音识别和音符检测的创新网络应用。它允许用户录制音频之后，无论是讲话还是唱歌，并以两种方式处理录制的音频。

1. 使用AssemblyAI的语音转文本API将口语转换为文本
2. 分析音频文件以检测音符，包括音高、时长，并且反映音符的特性

该应用程序具有一个使用React和TailwindCSS构建的现代且响应式的用户界面，以及强大后端由FastAPI支持。它特别适合于音乐家、音乐教师以及所有对声音或乐器的音乐属性感兴趣的任何人。

访问网站 < https://speech.vicentereyes.org/>

这是一张图片和一个视频链接。

Vidyard视频内容

这是Vidyard的分享页面，分享到share.vidyard.com一起分享吧

着陆页

音频处理技术

这是结果

如下所示

一场说走就走的旅程

AssemblyAI的Universal-2语音转文字模型通过他们提供的Python SDK集成到了应用程序中。实现可以在我们FastAPI后端的upload_audio的端点找到。

1. 当用户录制音频时，它会被发送到我们的后端服务器作为WAV文件
2. 音频文件将被并行处理，具体来说：

• 发送到AssemblyAI的API进行转写

• 使用librosa进行本地分析以检测音乐音符
  1. 转写的文本和检测到的音乐音符会被返回到前端

由于他们的SDK文档齐全，将AssemblyAI集成非常容易。

# 创建一个转录器实例
transcriber = aai.Transcriber()

# 使用音频文件路径进行转录
transcript = transcriber.transcribe(audio_file_path)

# 获取转录的文本内容
transcribed_text = transcript.text

全屏，退全屏

这种实现之所以巧妙，在于其采用了双处理机制：

1. 使用 AssemblyAI 的高级语音识别技术进行准确的文字转录
2. 结合自定义音高检测算法来提取音乐信息
3. 提供同步播放体验，让用户在听到检测到的音符时也能看到转录的文字

这创造了一个独特的工具，它架起了口语与乐谱之间的桥梁，使两者得以连接，使其在各种音乐用途中都有价值，从教学到创作。

该应用能够提供额外的提示，如具备了以下功能：

• 实时音频处理
• 自定义音高检测算法
• 交互式音频播放
• 采用TailwindCSS的现代响应式UI
• 采用React和FastAPI的全栈开发

这个项目展示了如何将AssemblyAI的技术和定制的音频处理一起使用，来创建超越简单语音转文字转换的创新应用。