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:/
# 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”)
如果觉得《python语音转换为文字的软件_如何使用Python将语音转换为文本》对你有帮助,请点赞、收藏,并留下你的观点哦!