python语音识别指南终极版(有这一篇足矣)

Python语音识别指南终极版

语音识别是一种将人类语音转换为文本或命令的技术。Python提供了多种语音识别库，可以帮助我们实现语音识别功能。本文将详细介绍如何使用Python进行语音识别，包括使用第三方库和Python内置库等方法。

使用第三方库

1. SpeechRecognition

SpeechRecognition是一个Python语音识别库，支持多种语音识别引擎，包括Google Speech Recognition、CMU Sphinx、Microsoft Bing Voice Recognition等。下面是一个使用Google Speech Recognition进行语音识别的示例：

import speech_recognition as sr

def recognize_speech_from_microphone():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("请开始说话...")
        audio = r.listen(source)
    try:
        text = r.recognize_google(audio, language='zh-CN')
        print("识别结果：" + text)
    except sr.UnknownValueError:
        print("无法识别")
    except sr.RequestError as e:
        print("请求错误：" + str(e))

在以上示例中，我们使用speech_recognition模块创建一个Recognizer对象，使用Microphone()函数创建一个麦克风对象，使用listen()方法监听麦克风输入，使用recognize_google()方法将语音转换为文本。如果无法识别语音或请求错误，将会抛出UnknownValueError或RequestError异常。

2. pocketsphinx

pocketsphinx是一个CMU Sphinx语音识别引擎的Python接口，可以用于离线语音识别。下面是一个使用pocketsphinx进行语音识别的示例：

import os
import pocketsphinx as ps

def recognize_speech_from_file(filename):
    modeldir = os.path.join(os.getcwd(), 'pocketsphinx-model')
    config = ps.Decoder.default_config()
    config.set_string('-hmm', os.path.join(modeldir, 'en-us'))
    config.set_string('-lm', os.path.join(modeldir, 'en-us.lm.bin'))
    config.set_string('-dict', os.path(modeldir, 'cmudict-en-us.dict'))
    decoder = ps.Decoder(config)
    with open(filename, 'rb') as f:
        data = f.read()
    decoder.start_utt()
    decoder.process_raw(data, False, True)
    decoder.end_utt()
    text = decoder.hyp().hypstr
    print("识别结果：" + text)

在以上示例中，我们使用pocketsphinx模块创建一个Decoder对象，使用default_config()方法创建一个默认配置，使用set_string()方法设置模型文件路径，使用process_raw()方法处理音频数据，使用hyp()方法获取识别结果。在recognize_speech_from_file()函数中，我们使用open()函数打开音频文件，使用process_raw()方法处理音频数据，使用hyp()方法获取识别结果。

使用Python内置库

1. wave

wave是Python内置库，用于读写.wav文件。下面是一个使用wave进行语音识别的示例：

import wave
import struct

def recognize_speech_from_wav_file(filename):
    with wave.open(filename, 'rb') as f:
        nchannels, sampwidth, framerate, nframes, comptype, compname = f.getparams()
        data = f.readframes(nframes)
    samples = struct.unpack_from("%dh" % nframes * nchannels, data)
    text = recognize_speech_from_samples(samples, framerate)
    print("识别结果：" + text)

def recognize_speech_from_samples(samples, framerate):
    # TODO: 实现语音识别算法
    return "Hello, world!"

在以上示例中，我们使用wave模块打开.wav文件，使用getparams()方法获取音频参数，使用readframes()方法读取音频数据，使用struct.unpack_from()方法将二进制数据转换为采样数据。在recognize_speech_from_wav_file()函数中，我们使用recognize_speech_from_samples()函数进行语音识别。

2. pyaudio

pyaudio是Python的音频输出库，可以用于录制音频数据。下面是一个使用pyaudio录制音频数据的示例：

import pyaudio
import wave

def record_audio_to_wav_file(filename, duration=5):
    CHUNK = 1024
    FORMAT = pyaudio.paInt16
    CHANNELS = 1
    RATE = 16000
    p = pyaudio.PyAudio()
    stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, frames_per_buffer=CHUNK)
    frames = []
    for i in range(0, int(RATE / CHUNK * duration)):
        data = stream.read(CHUNK)
        frames.append(data)
    stream.stop_stream()
    stream.close()
    p.terminate()
    with wave.open(filename, 'wb') as f:
        f.setnchannels(CHANNELS)
        f.setsampwidth(p.get_sample_size(FORMAT))
        f.setframerate(RATE)
        f.writeframes(b''.join(frames))

在以上示例中，我们使用pyaudio模块创建一个PyAudio对象，使用open()方法打开音频输入流，使用read()方法读取音频数据，使用append()方法将音频数据添加到列表中，使用stop_stream()方法停止音频输入流，使用close()方法关闭频输入流，使用terminate()方法终止PyAudio对象。在record_audio_to_wav_file()函数中，我们使用wave模块创建一个.wav文件，使用setnchannels()方法设置声道数，使用setsampwidth()方法设置采样位宽，使用setframerate()方法设置采样率，使用writeframes()方法写入音频数据。

示例说明

下面是一个完整的示例，演示了如何使用SpeechRecognition进行语音识别：

import speech_recognition as sr

def recognize_speech_from_microphone():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print("请开始说话...")
        audio = r.listen(source)
    try:
        text = r.recognize_google(audio, language='zh-CN')
        print("识别结果：" + text)
    except sr.UnknownValueError:
        print("无法识别")
    except sr.RequestError as e:
        print("请求错误：" + str(e))

if __name__ == '__main__':
    recognize_speech_from_microphone()

在以上示例中，我们使用speech_recognition模块创建一个Recognizer对象，使用Microphone()函数创建一个麦克风对象，使用listen()方法监听麦克风输入，使用recognize_google()方法将语音转换为文本。如果无法识别语音或请求错误，将会抛出UnknownError或RequestError异常。在main()函数中，我们调用recognize_speech_from_microphone()函数进行语音识别。

下面是另一个完整的示例，演示了如何使用pocketsphinx进行语音识别：

import os
import pocketsphinx as ps

def recognize_speech_from_file(filename):
    modeldir = os.path.join(os.getcwd(), 'pocketsphinx-model')
    config = ps.Decoder.default_config()
    config.set_string('-hmm', os.path.join(modeldir, 'en-us'))
    config.set_string('-lm', os.path.join(modeldir, 'en-us.lm.bin'))
    config.set_string('-dict', os.path.join(modeldir, 'cmudict-en-us.dict'))
    decoder = ps.Decoder(config)
    with open(filename, 'rb') as f:
        data = f.read()
    decoder.start_utt()
    decoder.process_raw(data, False, True)
    decoder.end_utt()
    text = decoder.hyp().hypstr
    print("识别结果：" + text)

if __name__ == '__main__':
    recognize_speech_from_file('test.wav')

在以上示例中，我们使用pocketsphinx模块创建一个Decoder对象，使用default_config()方法创建一个默认配置，使用set_string()方法设置模型文件路径，使用process_raw()方法处理音频数据，使用hyp()方法获取识别结果。在main()函数中，我们调用recognize_speech_from_file()函数进行语音识别。