我想了解如何开始进行语音识别。不使用任何相对“黑匣子”的库，而是要知道如何编写一个简单的语音识别脚本。我已经做了一些搜索，发现并没有太多相关信息。但我看到有关于“声音”或音节的字典，可以组合成文本。所以我的问题基本上就是：在哪里可以开始进行这方面的学习呢？
此外，考虑到这可能有些理想化，我也可以先使用某个库来实现语音识别。我发现一些语音转文字的库和API只输出一个结果。这样做也没关系，但不够可靠。因为我当前的程序会检查输入的任何文本的语法和其他方面，所以如果我得到了10个顶部结果，那么它可以逐个检查并排除任何不合理的结果。
我知道这个问题很老，但是为了方便未来的人:
我使用 speech_recognition 模块，我非常喜欢它。唯一的问题是，它需要互联网，因为它使用 Google 识别语音。但在大多数情况下，这不应该是一个问题。识别几乎完美。
编辑：
speech_recognition 包不仅可以使用 Google 进行翻译，还可以使用其他工具，例如 CMUsphinx（允许离线识别）。唯一的区别是在 recognize 命令中进行微小的更改：
https://pypi.python.org/pypi/SpeechRecognition/
这里有一个小的代码示例：
import speech_recognition as sr
r = sr.Recognizer()
with sr.Microphone() as source: # use the default microphone as the audio source
audio = r.listen(source) # listen for the first phrase and extract it into audio data
try:
print("You said " + r.recognize_google(audio)) # recognize speech using Google Speech Recognition - ONLINE
print("You said " + r.recognize_sphinx(audio)) # recognize speech using CMUsphinx Speech Recognition - OFFLINE
except LookupError: # speech is unintelligible
print("Could not understand audio")
有一件事对我来说不太好用：无限循环中的听取。几分钟后，它会卡住（它没有崩溃，只是没有响应）。
编辑： 如果您想在没有无限循环的情况下使用麦克风，您应该指定录制长度。 示例代码：
import speech_recognition as sr
r = sr.Recognizer()
with sr.Microphone() as source:
print("Speak:")
audio = r.listen(source, None, "time_to_record") # recording
因为谷歌关闭了它的平台
--
你可以使用https://pypi.python.org/pypi/pygsr
$> pip install pygsr
使用示例:
from pygsr import Pygsr
speech = Pygsr()
# duration in seconds
speech.record(3)
# select the language
phrase, complete_response = speech.speech_to_text('en_US')
print phrase
http://www.google.com/speech-api/v1/recognize?lang=%s 已经失效，返回404错误响应。 - DineshkumarPocketsphinx也是一个不错的选择。通过SWIG提供的Python绑定，使其很容易集成到脚本中。
例如：
from os import environ, path
from itertools import izip
from pocketsphinx import *
from sphinxbase import *
MODELDIR = "../../../model"
DATADIR = "../../../test/data"
# Create a decoder with certain model
config = Decoder.default_config()
config.set_string('-hmm', path.join(MODELDIR, 'hmm/en_US/hub4wsj_sc_8k'))
config.set_string('-lm', path.join(MODELDIR, 'lm/en_US/hub4.5000.DMP'))
config.set_string('-dict', path.join(MODELDIR, 'lm/en_US/hub4.5000.dic'))
decoder = Decoder(config)
# Decode static file.
decoder.decode_raw(open(path.join(DATADIR, 'goforward.raw'), 'rb'))
# Retrieve hypothesis.
hypothesis = decoder.hyp()
print 'Best hypothesis: ', hypothesis.best_score, hypothesis.hypstr
print 'Best hypothesis segments: ', [seg.word for seg in decoder.seg()]
# Access N best decodings.
print 'Best 10 hypothesis: '
for best, i in izip(decoder.nbest(), range(10)):
print best.hyp().best_score, best.hyp().hypstr
# Decode streaming data.
decoder = Decoder(config)
decoder.start_utt('goforward')
stream = open(path.join(DATADIR, 'goforward.raw'), 'rb')
while True:
buf = stream.read(1024)
if buf:
decoder.process_raw(buf, False, False)
else:
break
decoder.end_utt()
print 'Stream decoding result:', decoder.hyp().hypstr
对于想深入了解Python语音识别主题的人，以下是一些链接：
import speech_recognition as SRG
import time
store = SRG.Recognizer()
with SRG.Microphone() as s:
print("Speak...")
audio_input = store.record(s, duration=7)
print("Recording time:",time.strftime("%I:%M:%S"))
try:
text_output = store.recognize_google(audio_input)
print("Text converted from audio:\n")
print(text_output)
print("Finished!!")
print("Execution time:",time.strftime("%I:%M:%S"))
except:
print("Couldn't process the audio input.")
这应该可以工作。你将从默认麦克风获得音频输入，并保存到 text_output 变量中的文本形式。 您可以查看此链接以获取更多信息：https://www.journaldev.com/37873/python-speech-to-text-speechrecognition
我们基本上是先从麦克风录制音频，然后将其用作语音识别器的输入。
唯一需要注意的是，您需要有活动的互联网连接和这两个必需的Python库speech_recognition和pyaudio。
以下是使用在线库在Python中开始使用语音识别的简单方法：
SpeechRecognition
Google API：
recognize_google()
要求：
1-Python 3.9
2-Anaconda (Launch Jupyter)
在代码中
步骤1：
pip install pyaudio
pip install speechrecognition
步骤2：-
import speech_recognition as sr
r = sr.Recognizer()
第三步：- 使用默认麦克风作为音频源
with sr.Microphone() as source:
r.adjust_for_ambient_noise(source, duration = 5)
audio = r.listen(source)
步骤4：
print("Speak Anything :")
try:
text = r.recognize_google(audio)
print("You said : {}".format(text))
except:
print("Sorry could not recognize what you said")
步骤5：
当上述代码运行正常，但响应速度较慢或有时为空白时， 可以添加几行代码：
r.pause_threshold = 1
完整代码
pip install pyaudio
pip install speechrecognition
*Here is the code*
import speech_recognition as sr
def recog():
r = sr.Recognizer()
with sr.Microphone() as source:
print("Say Something")
r.pause_threshold = 1
r.adjust_for_ambient_noise(source)
audio = r.listen(source)
try:
print("Recognizing..")
text = r.recognize_google(audio, language='en-in') # Specify Language Code
print("You said {}".format(text))
except Exception as e:
print(e)
print("Sorry")
recog()
while 1循环。） - Noah Krasseraudio = r.listen(source)上出现了这个错误。 - Aquib