ما نشد یه سوال بپرسیم جواب بگیریم (:
ببینید اصلا سوال شما جوابی طبق میل شما نداره... شما دنبال پکیج کاملا آماده ای برای این کار هستید.. بهتره سرچ کنید و دنبال سرویسی باشید که به شما این api رو بده.
اگه دنبال api آنلاین نیستید باید خودتون بسازید و از لایبرری های asr استفاده کنید.
و این رو هم در نظر داشته باشید که در ظاهر به نظر می رسه سرچ بین فایل های صوتی انجام میشه.
شما دو مرحله اصلی دارید:
1- کاری کنید که جستوجو برای صدا های ذخیره شده راحت تر باشه:
برای این کار بهتره برای صدا ها ی ذخیره شده داخل دیتابیس تگ هایی در نظر بگیرید (حتی شده کل کلمات داخل صدا رو به شکل متن ذخیره کنید) که موقع سرچ سریعتر سرچ بشه.
و بعدا میتونید سیستمی طراحی کنید که فایل هایی که به مجموعه اضافه می کنید رو جداگانه خودش پروسس کنه و این تگ ها و متن ها رو خودش براش بنویسه
2- صدایی که باید با توجه به اون سرچ بشه رو تبدیل به متن کنید و اون رو داخل دیتابیستون سرچ کنید.
لایبرری های خوبی که میتونن برای شما مفید باشن:
Eesen, Espresso, Kaldi, Wav2letter, NeMo,voce,festvox
من تجربه کار با kaldi رو دارم و دلیل انتخابم هم این بود که اضافه کردن کلمات فارسی به اون راحت بود و میتونست از cuda هم برای پردازش سریعتر استفاده کنه (از قابلیت های جدیدی که ممکنه به بقیه لایبرری ها اضافه شده باشه اطلاع ندارم)
شاید پاسخ شما همینجا باشد