语音识别

为短句录音获取词与音素发音反馈并区分分数维度，同时核对输入与输出边界。

用已核对文字稿和录音获取词音素时间边界，同时核对输入与输出边界。

用 Vosk 动态图小模型限定语音短语，读取 16kHz 单声道 WAV，以完整结果进行白名单匹配，并拒绝未知或未匹配文本。

把含语音录音导入为转写来源，先核对数字与否定词，再提取事实和待确认事项；给出朗读练习及人工参照，说明识别语言与输出语言不同。

用 SoundFile 做 WAV 与 FLAC 的 PCM16 往返转换，回读验证采样率、声道、帧数和整数样本一致，说明格式转换与重采样不同。

用 Python 解析 SRT 并报告倒序、反向区间、空文本和全部重叠对，保留原文件与编号，再结合音视频核对转写与显示。

按 SpeechBrain 模型卡试跑语音情绪分类，回听验证标签、模型迁移边界和智能体使用风险。

用 Silero VAD 找出录音的讲话时间段，保存秒数并回听弱语音，与能量非静音切片区分。

按同一中文录音比较 Vosk 与 Whisper 的安装、模型、输入格式和转写错误，给出依场景选型的方法。

用 SpeechBrain 声纹模型比较两段获授权录音，以同人与异人对照核查分数和误判边界。