使用Python和Vosk库实现语音识别
在人工智能和机器学习领域,语音识别技术正变得越来越重要。Python作为一种强大的编程语言,拥有丰富的库和框架,可以方便地实现语音识别功能。今天,我们将介绍如何使用Python中的SpeechRecognition库和Vosk模型来实现语音识别。
一、SpeechRecognition库的安装
SpeechRecognition库是Python中一个简单易用的语音识别模块,支持多种语音识别服务,包括Google Speech Recognition、CMU Sphinx等。首先,我们需要安装这个库:
bash
pip install SpeechRecognition
如果在安装过程中遇到问题,可以尝试强制安装:
bash
pip install --force-reinstall SpeechRecognition
二、导入库
安装完成后,我们可以导入库并开始使用:
python
import speech_recognition as sr
r = sr.Recognizer()
需要注意的是,虽然安装时使用的是SpeechRecognition
,但在导入时使用的是speech_recognition
。
三、识别麦克风输入的语音
如果你想要识别通过麦克风实时输入的语音,可以使用以下代码:
python
# 麦克风录音
mic = sr.Microphone()
with mic as source:
print("请说话...")
r.adjust_for_ambient_noise(source)
audioData = r.listen(source)
四、识别语音文件
如果你已经有了一个语音文件,比如MP3格式的文件,你可以直接使用SpeechRecognition库来识别它:
python
# 识别语音文件
audioFile = sr.AudioFile("your_audio_file.mp3")
with audioFile as source:
audioData = r.record(source)
请确保语音文件与你的主程序在同一个文件夹中,或者提供正确的文件路径。
五、安装Vosk库
Vosk是一个开源的语音识别工具,支持多种语言,并且可以离线工作。安装Vosk库:
bash
pip install vosk
六、下载和使用Vosk模型
虽然安装了Vosk库,但我们需要单独下载Vosk的语音模型。访问VOSK Models网站,下载适合你的语言的模型。对于中文,下载中文语音模型,并将其解压到主程序文件夹下,将文件夹重命名为"model"。
模型下载连接
七、语音识别
使用Vosk模型进行语音识别:
python
said = r.recognize_vosk(audioData)
print("你说的话是:", formulateResult(said))
这里的formulateResult
函数用于处理识别结果,提取出识别的文本。
八、运行结果
使用上述代码,你可以将语音文件中的语音转换为文本。例如,使用"xxx.mp3"文件进行识别进行测试,都能得到不错的识别效果。
九、完整demo
python
import speech_recognition as sr
import vosk
import pyaudio
r = sr.Recognizer()
# 直接录音
mic = sr.Microphone()
with mic as source:
print("请说话...")
r.adjust_for_ambient_noise(source)
audioData = r.listen(source)
# # 使用语音文件
# audioFile = sr.AudioFile("xxxx.mp3")
# with audioFile as source:
# audioData = r.record(source)
def formulateResult(resu):
start = resu.index('"', resu.index('"', resu.index('"') + 1) + 1) + 1
end = resu.index('"', start)
return resu[start:end]
said = r.recognize_vosk(audioData)
print("you said:", formulateResult(said))