語音識別是計算機軟體識別口語中的單詞和短語，並將其轉換為可讀文字的能力。那麼如何在Python中將語音轉換為文字?如何使用SpeechRecognition 庫在Python中將語音轉換為文字?我們不需要從頭開始構建任何機器學習模型，該庫為我們提供了各種著名的公共語音識別API的便捷包裝。
使用pip安裝庫：
pip3 install SpeechRecognition
Okey，開啟一個新的Python檔案並匯入它：
import speech_recognition as sr
從檔案讀取
確保當前目錄中有一個包含英語語音的音訊檔案(如果您想跟我一起學習，請在此處獲取音訊檔案 )：
filename = “speech.wav”
該檔案是從 LibriSpeech 資料集中獲取的，但是您可以帶上任何想要的東西，只需更改檔名，就可以初始化語音識別器：
# initialize the recognizer
r = sr.Recognizer()
以下程式碼負責載入音訊檔案，並使用Google Speech Recognition將語音轉換為文字：
# 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)
這需要幾秒鐘才能完成，因為它將檔案上傳到Google並獲取了輸出，這是我的結果：
I believe you’re just talking nonsense
從麥克風讀取
這需要在您的計算機中安裝PyAudio，以下是取決於您的作業系統的安裝過程：
視窗
您可以點安裝它：
pip3 install pyaudio
的Linux
您需要首先安裝依賴項：
sudo apt-get install python-pyaudio python3-pyaudio
pip3 install pyaudio
蘋果系統
您需要先安裝portaudio，然後才可以點安裝它：
brew install portaudio
pip3 install pyaudio
現在，讓我們使用麥克風轉換語音：
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)
這會從您的麥克風聽到5秒鐘，然後嘗試將該語音轉換為文字!
它與先前的程式碼非常相似，但是我們在這裡使用Microphone()物件從預設麥克風讀取音訊，然後在record()函式中使用duration引數在5秒後停止讀取，然後上傳音訊資料向Google獲取輸出文字。
您還可以在record()函式中使用offset引數在偏移幾秒鐘後開始記錄。
另外，您可以通過將語言引數傳遞給accept_google()函式來識別不同的語言。例如，如果您想識別西班牙語語音，則可以使用：
text = r.recognize_google(audio_data, language=”es-ES”)
在此stackoverflow答案中檢視支援的語言。
本作品採用《CC 協議》，轉載必須註明作者和本文連結