如何在Python中将语音转换为文本

时光111

　　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。