使用Python将语音转换为文本的方法

关于Python进行语音转文本有许多库可以选择，下面将介绍其中的两个库——SpeechRecognition和pocketsphinx。其中的pocketsphinx是CMU Sphinx的轻量版，是一个C语言的语音解码器引擎，也是一个被广泛使用的语音识别引擎。SpeechRecognition则是一款基于Python的语音识别库，可以调用不同的语音识别API，其中就包括pocketsphinx。

安装pocketsphinx方法

1. 安装pocketsphinx库：

   python
pip install pocketsphinx

2. 下载安装语音模型库：

   语音模型库可以根据需要进行下载。但是建议先从源代码中下载模型库，这些模型库可以保证较高的准确度和速度。

   • CMU Sphinx US English 语言模型库：

     python
wget https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/US%20English%20Generic%20Language%20Model/cmusphinx-5.2-en-us.lm.gz

   • CMU Sphinx US English 语音模型库

     python
wget https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/US%20English%20Generic%20Acoustic%20Model/cmusphinx-5.2-en-us-ptm-5.2.tar.gz

   • 解压缩语言以及语音模型库

     python
tar -xzvf cmusphinx-5.2-en-us.lm.gz
tar -xzvf cmusphinx-5.2-en-us-ptm-5.2.tar.gz

   • 将语言模型库和语音模型库移动到合适的目录

     python
sudo mv cmusphinx-5.2-en-us.lm /usr/local/share/pocketsphinx/model/en-us/
sudo mv cmusphinx-5.2-en-us-ptm-5.2 /usr/local/share/pocketsphinx/model/en-us/

使用pocketsphinx进行语音转文本

1. 导入相关库

   python
import speech_recognition as sr
from os import path

2. 设置语音文件路径

   python
AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), "audio.wav")

3. 初始化语音识别对象,将PCM表示的文件转成WAV格式，以适应听觉上的环境

   python
r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
audio = r.record(source)

4. 使用CMU Sphinx的PocketSphinx引擎进行语音识别

   python
try:
output = r.recognize_sphinx(audio, language='en-US', show_all=True)
print(output)
except sr.UnknownValueError:
print("找不到任何结果")
except sr.RequestError as e:
print("请求错误： {}".format(e))

安装SpeechRecognition方法

1. 安装SpeechRecognition库：

   python
pip install SpeechRecognition

2. 下载并安装所需的语音转换API模型

   • 百度语音识别SDK

     需要申请百度API，获得相应的参数后就可以进行语音识别了。

     ```python
     import speech_recognition as sr

     r = sr.Recognizer()
     with sr.Microphone() as source:
     r.adjust_for_ambient_noise(source)
     print("请说话")
     audio = r.listen(source)

     baidu_key = "Your App ID"
     baidu_secret = "Your App Key"
     try:
     text = r.recognize_baidu(audio, app_id=baidu_key, api_key=baidu_secret)
     print("百度语音识别结果：", text)
     except sr.UnknownValueError:
     print("找不到任何结果")
     except sr.RequestError as e:
     print("请求错误： {}".format(e))
     ```

   • Google Speech Recognition API

     Google的语音识别API只有英文，安装和使用式非常简单，只需在传入sr.recognize_google()函数中添加language参数即可。

     ```python
     import speech_recognition as sr

     r = sr.Recognizer()
     with sr.Microphone() as source:
     r.adjust_for_ambient_noise(source)
     print("请说话")
     audio = r.listen(source)

     try:
     text = r.recognize_google(audio, language='en-US')
     print("Google语音识别结果：", text)
     except sr.UnknownValueError:
     print("找不到任何结果")
     except sr.RequestError as e:
     print("请求错误： {}".format(e))
     ```

示例

示例1：读取语音文件，使用pocketsphinx进行语音转文本

import speech_recognition as sr
from os import path

AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), "test.wav")

r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
    audio = r.record(source)

try:
    output = r.recognize_sphinx(audio)
    print(output)
except sr.UnknownValueError:
    print("找不到任何结果")
except sr.RequestError as e:
    print("请求错误： {}".format(e))

示例2：使用麦克风，使用Google Speech Recognition API进行语音转文本

import speech_recognition as sr

r = sr.Recognizer()
with sr.Microphone() as source:
    r.adjust_for_ambient_noise(source)
    print("请说话")
    audio = r.listen(source)

try:
    text = r.recognize_google(audio, language='en-US')
    print("Google语音识别结果：", text)
except sr.UnknownValueError:
    print("找不到任何结果")
except sr.RequestError as e:
    print("请求错误： {}".format(e))

希望以上介绍能够对你有所帮助，使用Python进行语音转换的方法还有很多，可以根据自己的需要来选择不同的库和API。