前言

本篇給大家分享一下通過Python的speech_recognition庫將聲音轉(zhuǎn)為文字。
之前已經(jīng)介紹了將音頻文件轉(zhuǎn)為文字，只依賴speech_recognition庫，本篇將聲音轉(zhuǎn)為文字，除了speech_recognition庫，還要依賴pyaudio庫，而且mac用戶需要安裝PortAudio。

Python-語音轉(zhuǎn)文字相關(guān)庫介紹 可見文末詳細介紹

一、PortAudio

1.PortAudio是什么？

PortAudio是一種跨平臺的音頻I/O庫，用于實現(xiàn)音頻輸入和輸出功能。它提供了一種簡單、一致的跨平臺API，可以讓開發(fā)者在不同操作系統(tǒng)上編寫音頻應(yīng)用程序，如音頻錄制和播放器。PortAudio支持多種音頻設(shè)備，包括音頻接口、音頻文件、網(wǎng)絡(luò)流等，并且可以在各種操作系統(tǒng)上使用，如Windows、Mac OS X、Linux、Unix等。同時，PortAudio還提供了一些高級特性，如流控制、同步、緩沖管理、音頻格式轉(zhuǎn)換等。

2.安裝PortAudio

macOS下：

brew install portaudio  

二、使用方法

1.引入庫

import speech_recognition as sr

2.創(chuàng)建一個Recognizer對象

r = sr.Recognizer()

3.使用麥克風錄音，從麥克風錄制音頻

# 使用麥克風錄音
with sr.Microphone() as source:
    print("請說話...")
    # 從麥克風錄制音頻
    audio = r.listen(source)
    print("錄音結(jié)束")

4.將音頻轉(zhuǎn)換為文字

try:
    # 將音頻轉(zhuǎn)換為文字
    text = r.recognize_google(audio, language='zh-CN')
    print("你說的是：", text)
except sr.UnknownValueError:
    print("Google Speech Recognition could not understand audio")
except sr.RequestError as e:
    print("Could not request results from Google Speech Recognition service; {0}".format(e))

5.轉(zhuǎn)換結(jié)果

聲音：深度神經(jīng)網(wǎng)絡(luò)模型部署

請說話...
錄音結(jié)束
你說的是： 深度神經(jīng)網(wǎng)絡(luò)模型部署

Process finished with exit code 0

Python-語音轉(zhuǎn)文字相關(guān)庫介紹

一、speech_recognition庫是什么？

Python的speech_recognition庫是一個用于語音識別的Python包，它可以使Python程序能夠識別和翻譯來自麥克風、音頻文件或網(wǎng)絡(luò)流的語音。它支持多種語音識別引擎，包括Google Speech Recognition、CMU Sphinx、Microsoft Bing Voice Recognition等，可以根據(jù)需要選擇不同的引擎進行語音識別。
使用speech_recognition庫進行語音識別非常簡單，只需要導(dǎo)入該庫并創(chuàng)建一個Recognizer對象，然后調(diào)用該對象的recognize_*()方法即可。例如，調(diào)用recognize_google()方法可以使用Google Speech Recognition引擎進行語音識別。

二、安裝speech_recognition庫

pip install SpeechRecognition

三、查看speech_recognition版本

 pip show SpeechRecognition

Name: SpeechRecognition
Version: 3.10.0
Summary: Library for performing speech recognition, with support for several engines and APIs, online and offline.
Home-page: https://github.com/Uberi/speech_recognition#readme
Author: Anthony Zhang (Uberi)
Author-email: azhang9@gmail.com
License: BSD
Requires: requests
Required-by:

四、pyaudio庫是什么？

Pyaudio是Python語言的一個音頻處理庫，可以用來錄制音頻、播放音頻、讀取音頻文件等。它是一個跨平臺的庫，可以在Windows、Mac、Linux等多個操作系統(tǒng)上使用。Pyaudio庫是基于PortAudio C庫開發(fā)的，PortAudio是一個跨平臺的音頻處理庫，Pyaudio庫可以方便的使用PortAudio庫的功能。

五、安裝pyaudio庫

pip install pyaudio

六、查看pyaudio版本

pip show pyaudio

Name: PyAudio
Version: 0.2.13
Summary: Cross-platform audio I/O with PortAudio
Home-page: https://people.csail.mit.edu/hubert/pyaudio/
Author: Hubert Pham
Author-email:
License: MIT
Requires:
Required-by:

到此這篇關(guān)于通過Python的speech_recognition庫將聲音轉(zhuǎn)為文字的文章就介紹到這了,更多相關(guān)Python聲音轉(zhuǎn)為文字內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論