说说python自带的speech和speech_recognition的使用以及效果

10/19 07:09
阅读数 13

人工智能这么火爆的时代,近来正好有时间就想研究以下智能语音这块的内容,虽然感觉自带的模块应该识别不太准确,不然就不会有百度的padder,google的tensorflow等框架,但是路要一步步走,饭也要一步步吃,初学的时候总要各种尝试一下。以下内容是我最近两天的尝试结果。

 环境win10,python3.7

先说说speech,这个贼简单 

 

pip install speech
  • recognize_bing(): Microsoft Bing Speech

  • recognize_google(): Google Web Speech API

  • recognize_google_cloud(): Google Cloud Speech - requires installation of the google-cloud-speech package

  • recognize_houndify(): Houndify by SoundHound

  • recognize_ibm(): IBM Speech to Text

  • recognize_sphinx(): CMU Sphinx - requires installing PocketSphinx

  • recognize_wit(): Wit.ai

目前我使用的是这个:recognize_sphinx,因为

以上七个中只有 recognition_sphinx()可与CMU Sphinx 引擎脱机工作, 其他六个都需要连接互联网。

SpeechRecognition 附带 Google Web Speech API 的默认 API 密钥,可直接使用它。其他六个 API 都需要使用 API 密钥或用户名/密码组合进行身份验证,因此本文使用了 Web Speech API。

 

安装之后就可以让他说话了,在import speech的时候,会出现一些环境的配置,我这边是win10的系统,就会出现语音识别的相关设置,按照提示操作即可。

复制代码

import speech

#这边三行是自己会说话
speech.say("小王王 你好呀")
speech.say("hello world")
speech.say("要开始啦")

#这边是进行对话
while True:
    print(u"开始说话")
    say = speech.input()  # 接收语音
    speech.say("you said:" + say)  # 说话
    print(u"说话结束")
    if say == "你好":
        speech.say("How are you?")
    elif say == "天气":
        speech.say("今天天气棒棒棒!")
    elif say == "小王王":
        speech.say("小王王 棒棒棒")
    elif say == "小丽平":
        speech.say("小丽平 六六六")
    else:
        speech.say("对不起 我不知道你说什么")

复制代码

 

运行完,以上程序,我发现它总是不知道我在说啥,于是回复我-->对不起 我不知道你说什么,就一个你好回答对了,不过还是要尝试一下。

 

 

然后我就想说可不可以自己录一个音频,实现识别的效果,于是发现speech_recognition这个库,也是很简单直接安装一下,但是需要安装别的包。

pip install speech_recognition -i https://mirror.baidu.com/pypi/simple

然后这个还需要pocketsphinx这个库,于是win10安装一直报错,我就干脆直接下载wheel的轮子,去这个网站https://www.lfd.uci.edu/~gohlke/pythonlibs/#pocketsphinx,搜索pocketsphinx,下载对应的版本到本地即可,然后直接pip install 你下载的.wheel就可以啦

 

 

 

相关录音代码识别

复制代码

# -*- coding: utf-8 -*-
import speech_recognition as sr
AUDIO_FILE = "11.wav"
r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
    audio = r.record(source)  # read the entire audio file

res = r.recognize_sphinx(audio)
res1 = res.split(" ")
# for each in res1:
print(" ".join(res1))

复制代码

运行结果:(其实我说的是你好你好 运动 生活)

 

 

 

说道这里,大家可能会遇到一些问题,比如碰到这个错误

第一种错误:

Audio file could not be read as PCM WAV, AIFF/AIFF-C, or Native FLAC; check if file is corrupted or in another format

 

这个是啥意思呢,就是你的音频文件必须是wav的格式,而不是你录音之后就直接修改后缀名就可以的,我的是华为手机,录制的音频是ma4,

首先我要转换为wav,我们可以去这个网上在线转换后下载https://www.aconvert.com/cn/audio/m4a-to-mp3/

如果是mp4的,这个地址转换wav格式,https://www.aconvert.com/cn/audio/mp4-to-mp3/

 

明明你这玩意是中文的被翻译成英文的,因为这个库的安装路劲下面只有en-US,当然只能翻译成英文的啦

 

 

于是我们需要添加一个zh-CN的文件夹,下载对应的中文就可以啦

(1)到对应的python库安装路径下新建zh-CN

(2)https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/下载对应的中文库,下载对应的压缩包后解压

 

 (3)复制以下内容并修改命名

 

最后发现为啥还是不行,因为代码初始化的时候默认是英文 en-US,所以这边代码修改一下,即可

 

 或者修改前面的传参:

 

 

 

 

 然后在执行以下你的代码就可以翻译成中文了,感觉python自带的库,最后的结果貌似不太理解,只好在研究研究啦,加油!我感觉可能配置上训练或者学习,可能可以实现比较好的效果,继续研究,有时间的话再分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部