Küsimus on iseenesest huvitav, seega annan enda poolse vastuse.
Ps! Töötlus ja konvert töötab paraku inglise keelsete helifailidega. Minu teada on võimalik manuaalselt lisada veel hispaania, saksa, prantsuse ja vene keele toetus.
Testimiseks kasutasin Ubuntu 16.04 LTS Desktop arvutit ja käsurea terminali.
Pakettide (speech recognition tool) installeerimine:
$ sudo apt install pocketsphinx pocketsphinx-en-us
MP3 helifaili konvertimine WAV helifailiks (näide, donald-trump_tells_nato_allies_to-pay-up.mp3):
$ ffmpeg -i donald-trump_tells_nato_allies_to-pay-up.mp3 -ar 16000 -ac 1 donald-trump_tells_nato_allies_to-pay-up.wav
WAV helifaili konvertimine TXT formaati (näide, donald-trump_tells_nato_allies_to-pay-up.txt):
$ pocketsphinx_continuous -infile donald-trump_tells_nato_allies_to-pay-up.wav > donald-trump_tells_nato_allies_to-pay-up.txt
Kui on soovi sama asja eesti keeles teha, siis tuleb tunduvalt rohkem vaeva näha. Link asub siin: et-pocketsphinx-tutorial
Selleks et konvertimine 'mp3 to txt' õnnestuks peab olema kaks eeldust: kõneleja hea diktsioon ja konverditava helifaili kvaliteet. Donald Trump puhul olid mõlemad nõuded tips-tops täidetud.
