教你怎样用Python进行语音识别

在网上找到了一些例子，还有一些成熟的模型可以把声音转换成文本。例如，cloudspeed api，但您需要使用谷歌云平台的前提。

speech recognition

对于python这种非常成熟的胶水语言来说，在网上找到一些现成的工具包并不太难。GitHub上发现了一个神奇的包:语音识别

可以支持实时翻译，当然前提是机器上安装了麦克风的相关包；它还支持从语音文件中直接提取字符。通过语音识别，可以调用各种平台上的模型，如谷歌应用编程接口、CMU狮身人面像、微软必应语音、IBM语音到文本、智能艾等

离线转换

对于国内网络环境，谷歌应用编程接口不能用来将语音数据转换成文本文件，因为在调用这个包时，需要连接到谷歌。当然，你可以租一个国外的虚拟专用网来做这件事。

让我们来谈谈如何不用网络就能通过python将语音文件转换成文本。这里使用的软件包是sphinx，它是卡内基梅隆大学开发的一个大词汇量、非特定、连续的英语语音识别系统。

安装 sphinx

我的环境是ubuntu。

在安装sphinx之前，需要安装一些软件包。

imyin@developer : ~/Downloads/phinx $ LSB _ release-AnolsbmoduleSareavable .distributoried : Ubundescript 3360 Ubuntu 16。04 .3 ltsreere :16。04 oden ame : xenial

之后，您可以在相关网站上下载sphinxbase安装包，当然，您也可以在下载后直接在clone github

上解压缩该包。

修改文件名

tarzxpfsphinxbase-5prealpha.tar.gz

现在我们应该运行autogen.sh来生成Makefiles和其他脚本，以便以后编译和安装。

mvsphinxbase-5 realphansPinspinxbase Shinshbase AuthorsDocedent。shmakefile。amReadMe。mdsrcwin 32 autogen。嘘。gitLicensewPhinxBase/autogen。sh

从下面开始源安装

makesudomakeinstall

执行上述命令后，如果没有错误消息，说明安装已经成功，但是此时您的命令无法生效，并且在运行该命令时会出现此类错误。

imyin@development : ~/Downloads/phinx/sphinx base $ sphinx _ lm _ convert :错误而alodingsharedlibraries 3360 libs hinx base。所以。 cannotoPensharedObjectfile : OshchFileOrDirectory

您还需要系统加载目录/usr/local/lib。为了使系统能够在每次启动时自动加载，您可以修改系统配置文件ld.so.conf

sudoecho ‘/usr/local/lib ‘/etc/LD。所以。con fsudoldconfig

此时，您可以通过sphinx_lm_convert命令将模型DMP文件转换为bin文件。

SphinDMp-ozh _ cn。lm。bin@

以上代码行将中国模型DMP文件转换为bin文件。安装sphinx后，默认情况下只支持英语，并且在存储模型的路径下只有一个文件名是en-US。因此，这里需要添加一个处理中文的模型，相关文件可以在这个网站上下载。

在python中使用sphinx

如果您想在python中使用sphinx，您需要安装一些依赖包。

pipinstallpydub-U #负责将MP3文件转换为wav文件管道安装语音识别-U#负责将语音转换成文字sudo apt-QQ installbuild-essentialswiglibpulse-dev #为后面安装pocketsphinx做准备pipinstall-Upocketsphinx#为使用sphinxsudoapt-getinstalliav-tools #为解决在调用pydub时出现的警告:运行时间警告:不能tfindffmpegoravconv-默认关闭mpeg，但是不能工作警告(“不能tfindffmpegoravconv-默认关闭mpeg，但是不能工作“，运行时警告)

此时，ipython可以开始尝试该效果。

file _ path=’/home/imyin/Downloads/phinx/test _ data ‘ r=Sr . Recognizer()hello _ zh=Sr . AudioFile(操作系统)。路径。连接(文件路径，’ test.wav ‘)与ello _ zhassource 3360音频今天天气很

如您所见，此语音识别器已经生效。但是我说的是“今天太热了”

狮身人面像中的模型似乎不太准确，这只是一个简短的句子。让我们看看长句的效果。我录了村上春树《当我谈跑步时我谈些什么》的一段话。

那年7月，我独自去希腊跑马拉松，把原来的马拉松路线——改为——。为什么要反向跑？因为我一大早就从雅典市区出发，在道路堵塞和空气污染之前跑出了城市。如果我一路跑完马拉松，路上的交通会少得多，跑步会更舒服。这不是正式的比赛。你可以自己跑。当然，你不能指望任何交通管制。hello _ zh=Sr . AudioFIle(OS . path . join(file _ path，’ test2.wav ‘)与ello _ zhassource : audio=r . record(source)r . recognize _ sphinx(audio，language=’zh_CN ‘)南银洋接收球的唯一位置是希望猪能在土木工程中温暖地处理垃圾。他能成功吗？他停止了与印度尼西亚商业报纸的谈话，说他没有资格谈论这家工厂能在春天从雅典市区成功突破的那家。他试图重申，这不是20个团队之间的正常竞争，这可能会加强协调部门对直接前往马拉松和ayama山的禁令，但他自己并没有解释任何这样的共识，当然“

嗯，看到结果，我想我们可以用一个词:糟糕。有两个词可以形容:太糟糕了！

当然，我直接从网上下载了这个模型。训练中使用的语料库不太完整，因此测试中不可避免地会出现不准确。为了使模型更精确，需要继续用sphnix训练模型。

相关方法可以在官方网站上找到，也有相应的教程。感兴趣的朋友可以自己学习。

为什么我的ccuracy PoorspeechrecognitionacuracyisNotalwAysgreat”。totestspeechrecognitionyouneedtornrecognorederendereferencedatabasetseewh at appendoptimizeparameters。如果没有未知值的操作布局，第一件事应该是收集样本和测量认知准确性的数据库。您需要将Youneedtodumpspeechutterancesintowavfiles、write reference extfile和sedecodertodeodecidet。那一年的7月，我去了希腊。我的翻译是:计算我们使用世界校准工具从斯芬克斯林。测试数据库大小依赖于一个精确的未来10分钟的被转录的音频测试识别器。我是一个人从雅典跑到马拉松河的吗？哪条原始马拉松路线是直达雅典的马拉松，并想创下[纪录？签名:r.record(source，duration=None，offset=None)Doctstring 3360 recordsupto“duration”second sofault from“source”(一个“AudioSource”实例)开始将“offset”(or atthebeginningifnotspecified)转换为“AudioData”实例，并对其进行设置。如果“持续时间”未指定，则twillrecorduntil resumeraudioinput。

本文中提到的教程网站是https://cmusphinx.github.io/wiki/tutorialtuning/

Google API

使用谷歌应用编程接口处理语音识别非常准确，但是你需要连接到谷歌。以下是我在VPS中执行的代码。可以看出，它准确地把我的录音翻译成文字。

但是如果录制文件很大，将需要很长时间才能运行，并且会返回超时错误，这让我非常恼火。

幸运的是，语识别支持截取语音文件。例如，我只能处理语音文件的前15秒。

从以上结果来看，它比sphnix治疗简单得多。

查看帮助文档，发现语音识别不仅可以截取前一个录音，还可以截取中间的录音。

例如，我想处理5秒到20秒之间的内容。

今天就到这里。世界真的很精彩，更精彩，继续找你自己吧！