Есть ли готовое решение для нарезки аудио-словаря по базе?

что-то вроде письма газетными буквами

Тоже любишь «Собаку Баскервилей»? :)

Почти) Надо для научно-фантастической рп. Понарезаннный голос звучит намного круче чем просто синтезированный.

В стиле юникс-вея можно

1. сгенерить сабы к файлам

2. пропарсить сабы на предмет нужных слов

3. вырезать куски

Если для 2,3 проги на слуху, то самая проблема будет в пункте 1.

А база большого количества аудиофайлов случаем не из (законно купленных) аудиокниг состоит?

Из фильмов. Которые для удобства не проблема перегнать под аудио. Но в целом не принципиально из чего нарезать.

Думал об этом, но как это сделать то? В смысле, какие конкретно программы? С субтитрами… ну да, нужно искать какаую-нибудь лабуйню с распознаванием речи (или залить на ютуб и сгенерить автоматические сабы там до того как прилетит страйк за пиратство).

Принципиально, ведь к фильмам проще достать готовые сабы, тогда как аудиокниги не синхронизированы с текстом и их уж точно придется распознавать ИИшечкой.

Режет и сшивает ffmpeg, искать слова в текстовых файлах сабов можно даже скриптовым языком из командной строки, но нужно будет написать скриптик. А актуальные бесплатные speech/audio-to-text решения для русского языка надо поискать...

И все таки есть проблема. Сабы со звуком синхронизированы максимум на уровне предложений. А на уровне слов, которые и нужны - нет. Я не прав?

Вы правы, но по-вашему слова должны собираться во фразы, а ведь фраза где разные слова звучат разными голосами может даже попеременно мужскими-женскими нарушит атмосферу рп, тут лучше целые фразы выдергивать чему фразо-сабы из фильмов и помогут.

Не-не-не. В этом и смысл! РП научнофантастическая. В реальности любой уважающий себя искусственный интелект прикрутил бы себе спич синтез, но звучит это не так эпично как относительно коряво склеенные слова. Эстетика всратости и все такое

YouTube

машин лернинг решит твою проблему

Эээ. Ну я не настолько красноглазый, чтобы понимать как это сделать