29、语音转文字转录的聚类分析

语音转文字转录的聚类分析

1. 数据可视化与数据集创建

在进行语音转文字转录的聚类分析之前，我们先对音频数据进行了可视化。通过观察音频统计的配对图，发现七本书的数据之间没有显著差异，除了第一本书的最大振幅分布与其他书籍相比稍微偏右。

接下来，我们要创建数据集。虽然有包含音频内容转录的数据集，但我们要模拟现实中处理语音转文字结果的常见场景。

2. 语音转文字技术

语音转文字，也称为语音识别，是一项前沿技术，能将语音实时或批量准确转换为文本。机器学习的发展使得先进的系统能够理解多种语言的自然语音。深度神经网络在语音识别中表现出色，当前系统的错误率在 3% - 5% 之间，与人类转录录音音频的错误率相近。这是因为数据具有组合性质，波形可以分解为音素，音素是构成单词的基本单位，单词再组合成句子。

2.1 实现步骤

1. 导入必要模块并设置识别器 ：

import speech_recognition as sr
# Create an instance of the recognizer.
Recognizer = sr.Recognizer()
# Set the energy threshold.
Recognizer.energy_threshold = 300

2. 遍历数据集的所有输入文件，使用 Google 语音识别 API 进行转录 ：

<