語音識別是計算機軟件識別口語中的單詞和短語，并將其轉換為可讀文本的能力。那么如何在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文件并導入它：

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：

# initialize the recognizer

r = sr.Recognizer()

以下代碼負責加載音頻文件，并使用Google Speech Recognition將語音轉換為文本：

# open the filewith sr.AudioFile(filename) as source:

# listen for the data (load audio to memory)

audio_data = r.record(source)

# 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并獲取了輸出，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，以下是取決于您的操作系統的安裝過程：

　　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，然后才可以點安裝它：

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:

# read the audio data from the default microphone

audio_data = r.record(source, duration=5)

print("Recognizing...")

# 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，然后嘗試將該語音轉換為文本！

它與先前的代碼非常相似，但是我們在這里使用Microphone()對象從默認麥克風讀取音頻，然后在record()函數中使用duration參數在5秒后停止讀取，然后上傳音頻數據向Google獲取輸出文本。

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

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")

在此stackoverflow答案中查看支持的語言 。

通過上述介紹，如何在Python中將語音轉換為文本相信大家已經清楚了吧，想了解更多關于Python的信息，請繼續關注中培偉業。