Speech recognition 阅读脚本时的语音分析/验证

我需要以编程方式分析读取已知脚本的录制语音。输出应该告诉我所读单词的位置（时间坐标）（至少其中一些）

我发现使用这种技术的“语音验证”服务有市场（自动验证录制的语音是否正确、清晰地读取特定文本），但我还没有找到任何可以从中获得所需输出的软件或lib/SDK

有人能告诉我这种技术有多好，在哪里可以找到它吗？我对高级服务、完整的应用程序、库、SDK感兴趣——无论是什么都可以。预算：未知

编辑：或多或少需要对大型欧洲语言的支持。英语、法语、德语、西班牙语、希腊语、意大利语、俄语、波兰语最好，但也欢迎更多。这可能很难做到