如何使用Python將語音轉換為文本

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本的能力。那麼如何在 Python 中將語音轉換為文本？如何使用 SpeechRecognition 庫在 Python 中將語音轉換為文本？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，打開一個新的 Python 文件並導入它：

import speech_recognition as sr

從文件讀取

確保當前目錄中有一個包含英語語音的音頻文件 (如果您想跟我一起學習，請在此處獲取音頻文件)：

filename = 「speech.wav」

該文件是從 LibriSpeech 數據集中獲取的，但是您可以帶上任何想要的東西，只需更改文件名，就可以初始化語音識別器：

open the filewith sr.AudioFile(filename) as source:www.zpedu.com/

recognize (convert from speech to text)

text = r.recognize_google(audio_data)

print(text)

這需要幾秒鐘才能完成，因為它將文件上傳到 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:

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本！

它與先前的代碼非常相似，但是我們在這裡使用 Microphone () 對象從默認麥克風讀取音頻，然後在 record () 函數中使用 duration 參數在 5 秒後停止讀取，然後上傳音頻數據向 Google 獲取輸出文本。

您還可以在 record () 函數中使用 offset 參數在偏移幾秒鐘後開始記錄。

另外，您可以通過將語言參數傳遞給 accept_google () 函數來識別不同的語言。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」)

最後，小編想說：我是一名python開發工程師，

整理了一套最新的python系統學習教程，

想要這些資料的可以關注私信小編「01」即可（免費分享哦）希望能對你有所幫助