【课】智能系统集成（项目2 校园语音客服）-优快云博客

语音采集实验模块

作者：毛栗小舞狼

本文档是智能系统集成课程所对应的教学资料

本文档采用Markdown格式进行记录

项目功能

录音，保存为wav格式。
声音转文字，全面支持中文。

用作学习实验，为构造更大的应用打基础。

录完发现我的声音挺难听的，下次一定要换个录音好听的电脑

技术选型

录音

录音用PyAudio实现
保存格式为wav文件

PyAudio库通过pip安装
pip是可以切换国内源的

语音转文字

输入格式为wav文件

FunASR（依赖过于复杂暂不使用）

依赖：

Python >= 3.8
PyTorch >= 1.13
torchaudio

Vosk

依赖：

下载中文语音模型：
从 Vosk 官方网站 https://alphacephei.com/vosk/ 下载中文语音模型，
例如 vosk-model-cn-0.22，并解压到项目目录中
模型国内下载：
https://gitcode.com/open-source-toolkit/efc8a/tree/main

案例代码：

import json
import pyaudio
from vosk import Model, KaldiRecognizer

model = Model("vosk-model-small-cn-0.3")
recognizer = KaldiRecognizer(model, 16000)

p = pyaudio.PyAudio()
stream = p.open(
    format=pyaudio.paInt16,
    channels=1,
    rate=16000,
    input=True,
    frames_per_buffer=8000
)
print("开始说话，按Ctrl+C停止...")
try:
    while True:
        data = stream.read(4000)
        if recognizer.AcceptWaveform(data):
            result = json.loads(recognizer.Result())
            print(result.get("text",""))
        else:
            partial_result = json.loads(recognizer.PartialResult())
            print(partial_result.get("partial",""))
except KeyboardInterrupt:
    print("停止录音")
    stream.stop_stream()
    stream.close()
    p.terminate()