python系列&deep_study系列：python如何将语音转文字

---

python如何将语音转文字

如果在python中将语音转换成文本？

在本文中，我们将探讨解决此问题的三种不同方法。

方法 1：使用 SpeechRecognition 库

SpeechRecognition 库提供了一种在 Python 中将语音转换为文本的简单方法。若要使用此库，需要先通过运行以下命令来安装它：

pip install SpeechRecognition

安装后，您可以按照以下步骤使用该库将语音转换为文本：

导入 SpeechRecognition 模块：

import speech_recognition as sr

创建 Recognizer 类的实例：

r = sr.Recognizer()

使用麦克风作为音频源：

with sr.Microphone() as source:
    print("Speak something...")
    audio = r.listen(source)

将语音转换为文本：

try:
    text = r.recognize_google(audio)
    print("You said:", text)
  except sr.UnknownValueError:
    print("Sorry, I could not understand your speech.")
  except sr.RequestError as e:
    print("Sorry, an error occurred. Please try again later.")

方法 2：使用 Google Cloud Speech-to-Text API

如果您需要更准确的语音识别或有特定要求，可以使用 Google Cloud Speech-to-Text API。此选项需要设置 Google Cloud 项目并启用 Speech-to-Text API。以下是要遵循的步骤：

安装 Google Cloud 语音库：

pip install google-cloud-speech

导入必要的模块：

from google.cloud import speech_v1p1beta1 as speech

为 Speech-to-Text API 创建客户端：Create a client for the Speech-to-Text API：

client = speech.SpeechClient()

指定音频源和编码：

audio = speech.RecognitionAudio(uri="gs://path/to/audio/file.wav")
config = speech.RecognitionConfig(
    encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
    sample_rate_hertz=16000,
    language_code="en-US")

将音频数据发送到语音转文本 API：Send the audio data to the Speech-to-Text API：

response = client.recognize(config=config, audio=audio)

检索转录：

for result in response.results:
    print("Transcript:", result.alternatives[0].transcript)

方法 3：使用 PyAudio 库

如果您更喜欢较低级别的方法，可以使用 PyAudio 库从麦克风捕获音频，然后使用语音识别库将其转换为文本。这是你如何做到的：

安装 PyAudio 库：

pip install pyaudio

导入必要的模块：

import pyaudio
import speech_recognition as sr

创建 Recognizer 类的实例：

r = sr.Recognizer()

设置音频源和属性：

chunk = 1024
sample_format = pyaudio.paInt16
channels = 2
sample_rate = 44100
record_seconds = 5
device_index = 1

stream = p.open(format=sample_format,
                channels=channels,
                rate=sample_rate,
                frames_per_buffer=chunk,
                input_device_index=device_index,
                input=True)

从流中读取音频数据：

print("Recording...")
frames = []
for i in range(0, int(sample_rate / chunk * record_seconds)):
    data = stream.read(chunk)
    frames.append(data)
print("Finished recording.")

将音频数据转换为文本：

audio_data = b''.join(frames)
text = r.recognize_google(audio_data)
print("You said:", text)

综上，使用 SpeechRecognition 库的第一个选项是最直接和最容易实现的。它为语音识别提供了高级接口，不需要任何其他设置或配置。因此，对于大多数用例，建议使用选项 1。

---

星星猫

python如何将语音转文字