从MP3音频文件中提取单词时序

Question

我想捕获音频中每个单词的音频时序。

例如，“介绍Hi Bangalore”认为这是一个mp3文件（page1.mp3），从中可以提取每个单词的开始时间。
即，“简介”，“嗨”，“班加罗尔”的开始时间 如果有可能？，可能的方法，我该怎么办？ 如果有可用的软件？。

我尝试使用system.speech API使用bookmark-reach事件提取时序，但它并不像我想要的那样准确。