語音識別是計算機軟件識別口語中的單詞和短語并將其轉(zhuǎn)換為人類可讀文本的能力。在本教程中，你將知道如何使用SpeechRecognition  庫在Python中將語音轉(zhuǎn)換為文本  。

因此，我們不需要從頭開始構(gòu)建任何機器學(xué)習模型，該庫為我們提供了各種著名的公共語音識別API（例如Google Cloud Speech API，IBM Speech To Text等）的便捷包裝。

讓我們開始吧，首先使用pip安裝庫：

pip3 install SpeechRecognition

Okey，打開一個新的Python文件并導(dǎo)入它：

import speech_recognition as sr

從文件讀取

確保當前目錄中有一個音頻文件：

filename = 'speech.wav'

該文件是從  LibriSpeech  數(shù)據(jù)集中獲取的，但是你可以帶上你想要的轉(zhuǎn)換的東西，只需要更改一下文件名即可，現(xiàn)在讓我們初始化語音識別器：

# initialize the recognizer

r = sr.Recognizer()

以下代碼負責加載音頻文件，并使用Google Speech Recognition將語音轉(zhuǎn)換為文本：

# open the file

with sr.AudioFile(filename) as source:
   # listen for the data (load audio to memory）
   audio_data = r.record(source）
   # recognize (convert from speech to text）
   text = r.recognize_google(audio_data）
   print(text）

這將需要幾秒鐘才能完成，因為它將文件上傳到Google中獲取到輸出，這是我獲取到的結(jié)果：

I believe you're just talking nonsense

從麥克風讀取

這需要在你的機器上安裝PyAudio，以下是取決于你的操作系統(tǒng)的安裝過程：

Windows系統(tǒng)

你可以點安裝它：pip3 install pyaudio

Linux系統(tǒng)

需要安裝依賴項：

sudo apt-get install python-pyaudio python3-pyaudio

pip3 install pyaudio

蘋果系統(tǒng)

需要先安裝portaudio，然后才可以安裝它：

brew install portaudio

pip3 install pyaudio

現(xiàn)在，讓我們使用麥克風轉(zhuǎn)換語音：

with sr.Microphone() as source:
   # read the audio data from the default microphone
   audio_data = r.record(source, duration=5)
   print('Recognizing...')
   # convert speech to text
   text = r.recognize_google(audio_data)
   print(text)

它會從你的麥克風錄取到5秒鐘，然后嘗試將語音轉(zhuǎn)換為文本！

它與先前的代碼非常相似，但是我們在這里使用Microphone（）對象從默認麥克風讀取音頻，然后在record（）函數(shù)中使用duration參數(shù)在5秒后停止讀取，然后上傳音頻數(shù)據(jù)向Google獲取輸出文本。

你還可以在record（）函數(shù)中使用offset參數(shù)在偏移幾秒鐘后開始記錄。

另外，你也可以通過將language參數(shù)傳遞給accept_google（）函數(shù)來識別不同的語言。例如，如果你想識別別的語言（如：西班牙語音），則可以使用：

text = r.recognize_google(audio_data, language='es-ES')

使用此庫將語音轉(zhuǎn)換為文本非常簡單。該庫在國外被廣泛使用，如果有需要可以去掌握它。