theme: orange

持续创作,加速成长!这是我参与「掘金日新计划 · 6 月更文挑战」的第30天,点击查看活动详情

个人主页:@青Cheng序员石头

在本教程中,我们将学习如何将语音或音频文件转换为文本格式,此处主要是用Python相关库完成功能。

语音识别介绍

Python支持许多语音识别引擎和API,包括Google Speech Engine、Google Cloud Speech API、IBM Speech to Text,以及更多。

语音识别可以分解为三个阶段。
– 自动语音识别(ASR)。这执行的是转录音频文件的任务。 – 自然语言处理(NLP):它的工作是从语音数据和每个文本转换中得出意义。 – 文本到语音(TTS)。它将文本转换为类似人类的语音。

环境安装

我们在这里的主要重点是如何将语音转换为文本。我们将分步骤进行演示。

第1步:安装库

在这里,我们将安装我们的代码中需要的所有基本库,以便将语音或音频文件转换为文本。

我们需要安装的第一个库是Python语音识别模块,我们可以用下面的命令来安装它。 pip install speechrecognition

下一个要安装的库是Pydub库,它对操作音频文件非常有用。你可以用这个命令安装它。

pip install pydub 最后一个要安装的是Pyaudio库,我们可以用下面的命令来安装。

pip install pyaudio

实例代码

在这段代码中,我们将使用语音识别库来访问我们的麦克风,据此我们将说话,这将被转换为文本。我们用于演示的代码如下所示。

1 #import Library 2 import speech_recognition as sr 3 4 # this will be used to get audio from the microphone 5 v = sr.Recognizer() 6 #Here, we represent our microphone as source 7 with sr.Microphone() as source: 8 print("Speak:") 9 #This is where it listens to our speech before going further to recognize it 10 the_audio = v.listen(source) 11 12 try: 13 print("Your Speech was:" + v.recognize_google(the_audio)) 14 except sr.UnknownValueError: 15 print("Could not understand audio")