如何在Python中将语音转换为文本

  语音识别是计算机软件识别口语中的单词和短语,并将其转换为可读文本的能力。那么如何在Python中将语音转换为文本?如何使用SpeechRecognition 库在Python中将语音转换为文本?我们不需要从头开始构建任何机器学习模型,该库为我们提供了各种著名的公共语音识别API的便捷包装。

  使用pip安装库:

  pip3 install SpeechRecognition

  Okey,打开一个新的Python文件并导入它:

  import speech_recognition as sr

  从文件读取

  确保当前目录中有一个包含英语语音的音频文件(如果您想跟我一起学习,请在此处获取音频文件 ):

  filename = “speech.wav”

  该文件是从 LibriSpeech 数据集中获取的,但是您可以带上任何想要的东西,只需更改文件名,就可以初始化语音识别器:

  # initialize the recognizer

  r = sr.Recognizer()

  以下代码负责加载音频文件,并使用Google Speech Recognition将语音转换为文本:

  # open the filewith sr.AudioFile(filename) as source:www.zpedu.com/

  # listen for the data (load audio to memory)

  audio_data = r.record(source)

  # recognize (convert from speech to text)

  text = r.recognize_google(audio_data)

  print(text)

  这需要几秒钟才能完成,因为它将文件上传到Google并获取了输出,这是我的结果:

  I believe you’re just talking nonsense

  从麦克风读取

  这需要在您的计算机中安装PyAudio,以下是取决于您的操作系统的安装过程:

  视窗

  您可以点安装它:

  pip3 install pyaudio

  的Linux

  您需要首先安装依赖项:

  sudo apt-get install python-pyaudio python3-pyaudio

  pip3 install pyaudio

  苹果系统

  您需要先安装portaudio,然后才可以点安装它:

  brew install portaudio

  pip3 install pyaudio

  现在,让我们使用麦克风转换语音:

  with sr.Microphone() as source:

  # read the audio data from the default microphone

  audio_data = r.record(source, duration=5)

  print(“Recognizing…”)

  # convert speech to text

  text = r.recognize_google(audio_data)

  print(text)

  这会从您的麦克风听到5秒钟,然后尝试将该语音转换为文本!

  它与先前的代码非常相似,但是我们在这里使用Microphone()对象从默认麦克风读取音频,然后在record()函数中使用duration参数在5秒后停止读取,然后上传音频数据向Google获取输出文本。

  您还可以在record()函数中使用offset参数在偏移几秒钟后开始记录。

  另外,您可以通过将语言参数传递给accept_google()函数来识别不同的语言。例如,如果您想识别西班牙语语音,则可以使用:

  text = r.recognize_google(audio_data, language=”es-ES”)

  在此stackoverflow答案中查看支持的语言。

本作品采用《CC 协议》,转载必须注明作者和本文链接
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

请勿发布不友善或者负能量的内容。与人为善,比聪明更重要!