Python 获取音频文件中每个单词的持续时间

是否有可能获得音频文件中每个单词的大致持续时间？最接近的方法（对于youtube视频中的音频文件）是将字幕文件作为

srt

下载。然后，

srt

将具有视频中每个句子的持续时间

---

我想知道是否有可能以某种方式获得句子中每个单词的持续时间。也许不准确，但大概是这样的？

与python的连接是什么？至于这个问题：单词是以安静的时间段来分隔的。搜索仅具有背景/环境噪声级的间隔。除非你有额外的信息，否则这是一项不平凡的任务。有一些库可以为您提供检测或语音区域与非语音区域，也称为语音活动检测，但这只是一个起点，因为它不会给您单词之间的边界。\@boardrider:在自然语音中，大多数单词之间没有停顿。@ItamarKatz您能指出这样的库吗（用于检测语音区域）。正如你所说，这可能是一个起点。这取决于你使用的语言/平台。在谷歌上寻找“语音活动检测”作为起点