使用Google语音API在Python中进行语音识别

语音识别是家庭自动化、人工智能等应用中的一项重要功能。本文旨在介绍如何使用Python的SpeechRecognition库。这很有用，因为它可以在外置麦克风的帮助下用于微控制器，如Raspberri Pis。

所需安装

必须安装以下设备：

1. Python语音识别模块：

    sudo pip install SpeechRecognition 

2. PyAudio： 对linux用户使用以下命令

   sudo apt-get install python-pyaudio python3-pyaudio

   如果存储库中的版本太旧，请使用以下命令安装pyaudio

   sudo apt-get install portaudio19-dev python-all-dev python3-all-dev && 
   sudo pip install pyaudio

   python3使用pip3而不是pip。 Windows用户可以通过在终端中执行以下命令来安装pyaudio

   pip install pyaudio

使用麦克风进行语音输入，并将语音转换为文本

1. 配置麦克风（用于外部麦克风）： 建议在节目期间指定麦克风，以避免出现任何故障。 类型 lsusb 在候机楼。将显示已连接设备的列表。麦克风名称如下所示

   USB Device 0x46d:0x825: Audio (hw:1, 0)

   记下这一点，因为它将在程序中使用。

2. 设置块大小： 这基本上涉及到指定一次要读取多少字节的数据。通常，该值以2的幂指定，例如1024或2048
3. 设置采样率： 采样率定义了记录值以进行处理的频率
4. 将设备ID设置为所选麦克风 ：在这一步中，我们指定要使用的麦克风的设备ID，以避免在有多个麦克风的情况下出现歧义。这也有助于调试，因为在运行程序时，我们将知道指定的麦克风是否被识别。在程序中，我们指定一个参数device_id。如果麦克风无法识别，程序会说无法找到device_id。
5. 允许调整环境噪音： 由于周围的噪声不同，我们必须允许程序在一秒钟或更长的时间内调整录制的能量阈值，以便根据外部噪声水平进行调整。
6. 演讲到文本的翻译： 这是在谷歌语音识别的帮助下完成的。这需要一个活跃的互联网连接才能工作。然而，也有一些离线识别系统，比如PocketSphinx，但是有一个非常严格的安装过程，需要几个依赖项。谷歌语音识别是最容易使用的方法之一。

   上述步骤已实施如下：

   #Python 2.x program for Speech Recognition import speech_recognition as sr #enter the name of usb microphone that you found #using lsusb #the following name is only used as an example mic_name = "USB Device 0x46d:0x825: Audio (hw:1, 0)" #Sample rate is how often values are recorded sample_rate = 48000 #Chunk is like a buffer. It stores 2048 samples (bytes of data) #here. #it is advisable to use powers of 2 such as 1024 or 2048 chunk_size = 2048 #Initialize the recognizer r = sr.Recognizer() #generate a list of all audio cards/microphones mic_list = sr.Microphone.list_microphone_names() #the following loop aims to set the device ID of the mic that #we specifically want to use to avoid ambiguity. for i, microphone_name in enumerate (mic_list): if microphone_name = = mic_name: device_id = i #use the microphone as source for input. Here, we also specify #which device ID to specifically look for incase the microphone #is not working, an error will pop up saying "device_id undefined" with sr.Microphone(device_index = device_id, sample_rate = sample_rate, chunk_size = chunk_size) as source: #wait for a second to let the recognizer adjust the #energy threshold based on the surrounding noise level r.adjust_for_ambient_noise(source) print "Say Something" #listens for the user's input audio = r.listen(source) try : text = r.recognize_google(audio) print "you said: " + text #error occurs when google could not understand what was said except sr.UnknownValueError: print ( "Google Speech Recognition could not understand audio" ) except sr.RequestError as e: print ("Could not request results from Google Speech Recognition service; { 0 }". format (e))

   将音频文件转录成文本

   如果我们有一个想要翻译成文本的音频文件，我们只需要用音频文件而不是麦克风来替换源文件。 为方便起见，请将音频文件和节目放在同一文件夹中。这适用于WAV、AIFF和FLAC文件。 下面展示了一个实现

   #Python 2.x program to transcribe an Audio file import speech_recognition as sr AUDIO_FILE = ( "example.wav" ) # use the audio file as the audio source r = sr.Recognizer() with sr.AudioFile(AUDIO_FILE) as source: #reads the audio file. Here we use record instead of #listen audio = r.record(source) try : print ( "The audio file contains: " + r.recognize_google(audio)) except sr.UnknownValueError: print ( "Google Speech Recognition could not understand audio" ) except sr.RequestError as e: print ("Could not request results from Google Speech Recognition service; { 0 }". format (e))

故障排除

通常会遇到以下问题

1. 静音麦克风： 这会导致无法接收输入。要检查这一点，可以使用alsamixer。 可以使用

   sudo apt-get install libasound2 alsa-utils alsa-oss

   类型 阿米克斯 .输出将有点像这样

   Simple mixer control 'Master', 0
     Capabilities: pvolume pswitch pswitch-joined
     Playback channels: Front Left - Front Right
     Limits: Playback 0 - 65536
     Mono:
     Front Left: Playback 41855 [64%] [on]
     Front Right: Playback 65536 [100%] [on]
   Simple mixer control 'Capture', 0
     Capabilities: cvolume cswitch cswitch-joined
     Capture channels: Front Left - Front Right
     Limits: Capture 0 - 65536
     Front Left: Capture 0 [0%] [off] #switched off
     Front Right: Capture 0 [0%] [off]
   

   如您所见，捕获设备当前已关闭。要打开它，请键入 阿尔萨米克斯 正如你在第一张图片中看到的，它显示了我们的回放设备。按F4键切换以捕获设备。

   在第二张图片中，突出显示的部分显示捕获设备已静音。要取消静音，请按空格键

   正如您在上一张图片中所看到的，突出显示的部分确认捕获设备没有静音。

2. 当前麦克风未被选为捕获设备： 在这种情况下，可以通过键入来设置麦克风 阿尔萨米克斯 以及选择声卡。在这里，您可以选择默认的麦克风设备。 如图所示，突出显示的部分是您必须选择声卡的地方。

   第二张图显示了声卡的屏幕选择

3. 没有互联网连接： 语音到文本转换需要活动的internet连接。

本文由 迪帕克·斯里瓦察夫 .如果你喜欢GeekSforgek，并想贡献自己的力量，你也可以使用 贡献极客。组织 或者把你的文章寄到contribute@geeksforgeeks.org.看到你的文章出现在Geeksforgeks主页上，并帮助其他极客。

如果您发现任何不正确的地方，或者您想分享有关上述主题的更多信息，请写下评论。