评论
作者：Dhilip Subramanian，数据科学家和 AI 爱好者
来源：信息时代
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT 需求
语音是最常见的交流方式，世界上大多数人依赖语音进行沟通。语音识别系统基本上将口语语言翻译成文本。现实生活中有许多语音识别系统的例子。例如，苹果的 SIRI 能够识别语音并将其转换为文本。
语音识别过程
隐马尔可夫模型（HMM）和深度神经网络模型用于将音频转换为文本。详细的过程超出了本博客的范围。在本博客中，我展示了如何使用 Python 将语音转换为文本。这可以通过“Speech Recognition” API 和 “PyAudio” 库来完成。
语音识别 API 支持多个 API，在本博客中我使用了谷歌语音识别 API。更多详情，请查看这里。它有助于将语音转换为文本。
!pip install SpeechRecognition步骤：
-
导入语音识别库
-
初始化识别器类以识别语音。我们正在使用谷歌语音识别。
-
语音识别支持的音频文件格式：wav, AIFF, AIFF-C, FLAC。在这个例子中我使用了‘wav’文件
-
我使用了《特工绍特》电影音频片段，内容为*“我不知道你是谁，我不知道你想要什么。如果你在寻找赎金，我可以告诉你，我没有钱”*
-
默认情况下，谷歌识别器读取英语。它支持不同的语言，更多细节请查看文档。
#import library
import speech_recognition as sr
# Initialize recognizer class (for recognizing the speech)
r = sr.Recognizer()
# Reading Audio file as source
# listening the audio file and store in audio_text variable
with sr.AudioFile('I-dont-know.wav') as source:
audio_text = r.listen(source)
# recoginize_() method will throw a request error if the API is unreachable, hence using exception handling
try:
# using google speech recognition
text = r.recognize_google(audio_text)
print('Converting audio transcripts into text ...')
print(text)
except:
print('Sorry.. run again...')输出
例如，如果我们要读取法语音频文件，则需要在 recogonize_google 中添加语言选项。其余代码保持不变。请参阅更多文档
#Adding french langauge option
text = r.recognize_google(audio_text, language = "fr-FR")输出
步骤:
- 我们需要安装 PyAudio 库，它用于通过麦克风和扬声器接收音频输入和输出。基本上，它帮助我们通过麦克风获取声音。
!pip install PyAudio- 我们需要使用 Microphone 类，而不是音频文件源。其余步骤相同。
#import library
import speech_recognition as sr
# Initialize recognizer class (for recognizing the speech)
r = sr.Recognizer()
# Reading Microphone as source
# listening the speech and store in audio_text variable
with sr.Microphone() as source:
print("Talk")
audio_text = r.listen(source)
print("Time over, thanks")
# recoginize_() method will throw a request error if the API is unreachable, hence using exception handling
try:
# using google speech recognition
print("Text: "+r.recognize_google(audio_text))
except:
print("Sorry, I did not get that")我刚刚说了“你好吗？”
输出
再次，我们需要在 recognize_google()中添加所需的语言选项。我用泰米尔语（印度语言）说话，并在语言选项中添加“ta-IN”。
# Adding "tamil language"
print(“Text: “+r.recognize_google(audio_text, language = “ta-IN”))我刚刚用泰米尔语说了“你好吗”，它准确地打印了泰米尔语文本。
输出
Google 语音识别 API 是一种将语音转换为文本的简单方法，但它需要互联网连接才能操作。
在这篇博客中，我们看到如何使用 Google 语音识别 API 将语音转换为文本。这对于 NLP 项目尤其是处理音频转录数据非常有帮助。如果你有任何补充，请随时留言！
感谢阅读。继续学习，敬请关注更多内容！
个人简介: Dhilip Subramanian 是一名机械工程师，并完成了分析学硕士学位。他在数据相关的多个领域，包括 IT、市场营销、银行、电力和制造业，拥有 9 年的专业经验。他对自然语言处理和机器学习充满热情。他是SAS 社区的贡献者，并喜欢在 Medium 平台上撰写关于数据科学各个方面的技术文章。
原文。已获得许可转载。
相关:
-
使用 Python 轻松进行语音合成
-
数据科学的五个酷炫 Python 库
-
Docker: 数据科学家的容器化