Hướng dẫn python save audio file - python lưu tập tin âm thanh

« Prev: Python: Tôi có thể làm gì với Python?

• » Next: Python: Cách in có định dạng trong Python với bài toán in các thừa số nguyên tố
• Mục lục bài viết:
• Cách hoạt động của tính năng Nhận dạng giọng nói - Tổng quan
• Chọn gói nhận dạng giọng nói Python
• Cài đặt SpeechRecognition
  • Lớp nhận dạng
  • Làm việc với tệp âm thanh
  • Các loại tệp được hỗ trợ
  • Sử dụng record () để chụp dữ liệu từ tệp
• Chụp phân đoạn với độ lệch và thời lượng
  • Ảnh hưởng của tiếng ồn đối với nhận dạng giọng nói
  • Làm việc với micrô
  • Cài đặt PyAudio
  • Lớp Micrô
• Sử dụng nghe () để chụp đầu vào micrô
• Xử lý giọng nói không thể nhận dạng
• Kết hợp tất cả lại với nhau: Trò chơi “Đoán từ”

Tóm tắt và bổ sung tài nguyên

Phụ lục: Nhận dạng giọng nói bằng các ngôn ngữ khác ngoài tiếng Anh

Bạn đã bao giờ tự hỏi làm thế nào để thêm nhận dạng giọng nói vào dự án Python của mình? Nếu vậy, sau đó tiếp tục đọc! Nó dễ dàng hơn bạn nghĩ.

Không còn là một thứ lỗi mốt, sự thành công vượt bậc của các sản phẩm hỗ trợ giọng nói như Amazon Alexa đã chứng minh rằng hỗ trợ giọng nói ở một mức độ nào đó sẽ là một khía cạnh thiết yếu của công nghệ gia dụng trong tương lai gần. Nếu bạn nghĩ về nó, lý do tại sao là khá rõ ràng. Việc kết hợp tính năng nhận dạng giọng nói vào ứng dụng Python của bạn mang lại mức độ tương tác và khả năng truy cập mà ít công nghệ nào có thể sánh kịp.

• Chỉ riêng các cải tiến về khả năng tiếp cận cũng đáng được xem xét Nhận dạng giọng nói cho phép người già và người khiếm thị tương tác với các sản phẩm và dịch vụ hiện đại một cách nhanh chóng và tự nhiên — không cần GUI!
• Hơn hết, bao gồm cả nhận dạng giọng nói trong một dự án Python thực sự đơn giản. Trong hướng dẫn này, bạn sẽ tìm hiểu cách thực hiện. Bạn sẽ học:
• Cách thức hoạt động của tính năng nhận dạng giọng nói,

Những gói nào có sẵn trên PyPI; và

» Next: Python: Cách in có định dạng trong Python với bài toán in các thừa số nguyên tố

Mục lục bài viết:

Cách hoạt động của tính năng Nhận dạng giọng nói - Tổng quan

Chọn gói nhận dạng giọng nói Python

Cài đặt SpeechRecognition

Lớp nhận dạng

Để giải mã lời nói thành văn bản, các nhóm vectơ được đối sánh với một hoặc nhiều âm vị —một đơn vị cơ bản của lời nói. Việc tính toán này đòi hỏi phải được đào tạo, vì âm thanh của một âm vị thay đổi từ người nói này sang người nói khác, và thậm chí thay đổi từ cách phát âm này sang cách phát âm khác của cùng một người nói. Một thuật toán đặc biệt sau đó được áp dụng để xác định từ (hoặc các từ) có nhiều khả năng nhất tạo ra chuỗi âm vị nhất định.

Người ta có thể tưởng tượng rằng toàn bộ quá trình này có thể tốn kém về mặt tính toán. Trong nhiều hệ thống nhận dạng giọng nói hiện đại, mạng nơ-ron được sử dụng để đơn giản hóa tín hiệu giọng nói bằng cách sử dụng các kỹ thuật chuyển đổi đặc trưng và giảm kích thước trước khi nhận dạng HMM. Bộ phát hiện hoạt động giọng nói (VAD) cũng được sử dụng để giảm tín hiệu âm thanh xuống chỉ những phần có khả năng chứa giọng nói. Điều này ngăn bộ nhận dạng mất thời gian phân tích các phần không cần thiết của tín hiệu.

May mắn thay, là một lập trình viên Python, bạn không phải lo lắng về bất kỳ điều gì trong số này. Một số dịch vụ nhận dạng giọng nói có sẵn để sử dụng trực tuyến thông qua API và nhiều dịch vụ trong số này cung cấp các SDK Python .

Chọn gói nhận dạng giọng nói Python

Có một số ít các gói để nhận dạng giọng nói trên PyPI. Một vài trong số chúng bao gồm:

• apiai
• assemblyai
• google-cloud-speech
• nhân sư bỏ túi
• Nhận dạng giọng nói
• watson-developer-cloud
• mưu mẹo

Một số gói này — chẳng hạn như wit và apiai — cung cấp các tính năng tích hợp sẵn, như xử lý ngôn ngữ tự nhiên để xác định ý định của người nói, vượt ra ngoài nhận dạng giọng nói cơ bản. Những người khác, như google-cloud-speech, chỉ tập trung vào chuyển đổi giọng nói thành văn bản.

Có một gói nổi bật về tính dễ sử dụng: SpeechRecognition.

Nhận dạng giọng nói yêu cầu đầu vào âm thanh và SpeechRecognition giúp việc truy xuất đầu vào này thực sự dễ dàng. Thay vì phải xây dựng các tập lệnh để truy cập micrô và xử lý các tệp âm thanh từ đầu, SpeechRecognition sẽ giúp bạn thiết lập và chạy chỉ trong vài phút.

Thư viện SpeechRecognition hoạt động như một trình bao bọc cho một số API giọng nói phổ biến và do đó cực kỳ linh hoạt. Một trong số này — API Web Speech của Google — hỗ trợ khóa API mặc định được mã hóa cứng vào thư viện SpeechRecognition. Điều đó có nghĩa là bạn có thể xuống chân mà không cần phải đăng ký dịch vụ.

Tính linh hoạt và dễ sử dụng của gói SpeechRecognition khiến nó trở thành lựa chọn tuyệt vời cho bất kỳ dự án Python nào. Tuy nhiên, không đảm bảo hỗ trợ cho mọi tính năng của mỗi API mà nó kết thúc. Bạn sẽ cần dành một chút thời gian nghiên cứu các tùy chọn có sẵn để tìm hiểu xem liệu SpeechRecognition có hoạt động trong trường hợp cụ thể của bạn hay không.

Vì vậy, bây giờ bạn đã được thuyết phục rằng bạn nên thử SpeechRecognition, bước tiếp theo là cài đặt nó trong môi trường của bạn.

Cài đặt SpeechRecognition

SpeechRecognition tương thích với Python 2.6, 2.7 và 3.3+, nhưng yêu cầu một số bước cài đặt bổ sung cho Python 2 . Đối với hướng dẫn này, tôi sẽ giả sử bạn đang sử dụng Python 3.3+.

Bạn có thể cài đặt SpeechRecognition từ một thiết bị đầu cuối bằng pip:

$ pip install SpeechRecognition

Sau khi cài đặt, bạn nên xác minh cài đặt bằng cách mở phiên thông dịch và nhập:

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Lưu ý: Số phiên bản bạn nhận được có thể khác nhau. Phiên bản 3.8.1 là phiên bản mới nhất tại thời điểm viết bài.

Hãy tiếp tục và giữ cho phiên này mở. Bạn sẽ bắt đầu làm việc với nó chỉ trong giây lát.

SpeechRecognition sẽ hoạt động hiệu quả nếu tất cả những gì bạn cần làm là hoạt động với các tệp âm thanh hiện có. Tuy nhiên, các trường hợp sử dụng cụ thể yêu cầu một số phụ thuộc. Đáng chú ý, gói PyAudio là cần thiết để thu đầu vào micrô.

Bạn sẽ thấy những phụ thuộc nào bạn cần khi đọc thêm. Bây giờ, hãy đi sâu vào và khám phá những điều cơ bản của gói.

các >>> r.recognize_google() 1Lớp

Tất cả điều kỳ diệu trong SpeechRecognition xảy ra với 

>>> r.recognize_google()

Tất nhiên, mục đích chính của một 

>>> r.recognize_google()

Tạo một 

>>> r.recognize_google()

>>>

>>> r = sr.Recognizer()

Lưu ý: Số phiên bản bạn nhận được có thể khác nhau. Phiên bản 3.8.1 là phiên bản mới nhất tại thời điểm viết bài.

• Hãy tiếp tục và giữ cho phiên này mở. Bạn sẽ bắt đầu làm việc với nó chỉ trong giây lát.

• >>> r.recognize_google()
  

  7: API giọng nói trên web của Google

• >>> r.recognize_google()
  

  8: Google Cloud Speech - yêu cầu cài đặt gói google-cloud-speech

• >>> r.recognize_google()
  

  9: Houndify bởi SoundHound

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  0: IBM Speech to Text

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  1: CMU Sphinx - yêu cầu cài đặt PocketSphinx

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  2: Wit.ai

Trong số bảy, chỉ 

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Phần thảo luận đầy đủ về các tính năng và lợi ích của mỗi API nằm ngoài phạm vi của hướng dẫn này. Vì SpeechRecognition đi kèm với khóa API mặc định cho Google Web Speech API, bạn có thể bắt đầu với nó ngay lập tức. Vì lý do này, chúng tôi sẽ sử dụng API Web Speech trong hướng dẫn này. Sáu API khác đều yêu cầu xác thực bằng khóa API hoặc kết hợp tên người dùng / mật khẩu. Để biết thêm thông tin, hãy tham khảo tài liệu SpeechRecognition .

Thận trọng: Khóa mặc định do SpeechRecognition cung cấp chỉ dành cho mục đích thử nghiệm và Google có thể thu hồi khóa này bất kỳ lúc nào . Không phải là một ý kiến ​​hay khi sử dụng Google Web Speech API trong quá trình sản xuất. Ngay cả với một khóa API hợp lệ, bạn sẽ chỉ bị giới hạn ở 50 yêu cầu mỗi ngày và không có cách nào để tăng hạn ngạch này . May mắn thay, giao diện của SpeechRecognition gần như giống hệt nhau cho mỗi API, vì vậy những gì bạn học hôm nay sẽ dễ dàng chuyển sang một dự án trong thế giới thực.

Mỗi 

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Ok, đủ trò chuyện. Hãy làm bẩn bàn tay của chúng ta. Hãy tiếp tục và cố gắng gọi 

>>> r.recognize_google()

>>>

>>> r.recognize_google()

Chuyện gì đã xảy ra?

Bạn có thể nhận được một cái gì đó giống như sau:

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Bạn có thể đoán điều này sẽ xảy ra. Làm thế nào có thể nhận ra thứ gì đó từ hư không

Tất cả bảy 

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> r.recognize_google()

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Có hai cách để tạo 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Làm việc với tệp âm thanh

Trước khi tiếp tục, bạn cần tải xuống tệp âm thanh. Bạn có thể tìm thấy cái mà tôi đã sử dụng để bắt đầu, “harvard.wav” ở đây . Đảm bảo bạn lưu nó vào cùng một thư mục mà phiên thông dịch Python của bạn đang chạy.

SpeechRecognition giúp làm việc với các tệp âm thanh dễ dàng nhờ 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Các loại tệp được hỗ trợ

Hiện tại, SpeechRecognition hỗ trợ các định dạng tệp sau:

• WAV: phải ở định dạng PCM / LPCM
• AIFF
• AIFF-C
• FLAC: phải là định dạng FLAC gốc; OGG-FLAC không được hỗ trợ

Nếu bạn đang làm việc trên Linux, macOS hoặc Windows dựa trên x-86, bạn sẽ có thể làm việc với các tệp FLAC mà không gặp sự cố. Trên các nền tảng khác, bạn sẽ cần cài đặt bộ mã hóa FLAC và đảm bảo bạn có quyền truy cập vào 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Sử dụng >>> harvard = sr.AudioFile('harvard.wav') >>> with harvard as source: ... audio = r.record(source) ... 7để chụp dữ liệu từ tệp

Nhập thông tin sau vào phiên thông dịch của bạn để xử lý nội dung của tệp “harvard.wav”:

>>>

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Chuyện gì đã xảy ra?

>>>

>>> type(audio)

Chuyện gì đã xảy ra?

>>>

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Chuyện gì đã xảy ra?

Bạn có thể nhận được một cái gì đó giống như sau:

Harvard Sentences bao gồm 72 danh sách mười cụm từ. Bạn có thể tìm thấy các bản ghi âm có sẵn miễn phí của những cụm từ này trên trang web của Open Speech Repository . Bản ghi âm có sẵn bằng tiếng Anh, tiếng Quan Thoại, tiếng Pháp và tiếng Hindi. Họ cung cấp một nguồn tài liệu miễn phí tuyệt vời để kiểm tra mã của bạn.

Chụp phân đoạn với >>> type(audio) 4và>>> type(audio) 5

Điều gì sẽ xảy ra nếu bạn chỉ muốn ghi lại một phần của bài phát biểu trong một tệp tin? Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Ví dụ: phần sau ghi lại bất kỳ bài phát biểu nào trong bốn giây đầu tiên của tệp:

>>>

>>> with harvard as source:
...     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Lưu ý rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Ngoài việc chỉ định thời lượng ghi, 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Lưu ý rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Ngoài việc chỉ định thời lượng ghi, 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Để chỉ ghi lại cụm từ thứ hai trong tệp, bạn có thể bắt đầu với khoảng chênh lệch là bốn giây và ghi lại, chẳng hạn, ba giây.

Các đối số 

>>> type(audio)

>>> type(audio)

Khi bắt đầu ghi ở 4,7 giây, bạn bỏ lỡ phần “it t” ở đầu cụm từ “cần nhiệt để tạo ra mùi”, vì vậy API chỉ nhận được “akes heat”, nó khớp với “Mesquite. ”

Tương tự, ở cuối đoạn ghi âm, bạn bắt được “a co”, là phần mở đầu của cụm từ thứ ba “ngâm mình trong nước lạnh phục hồi sức khỏe và niềm say mê”. Điều này được đối sánh với “Aiko” bởi API.

Có một lý do khác khiến bạn có thể nhận được phiên âm không chính xác. Tiếng ồn! Các ví dụ trên hoạt động tốt vì tệp âm thanh khá sạch. Trong thế giới thực, trừ khi bạn có cơ hội xử lý các tệp âm thanh trước đó, bạn không thể mong đợi âm thanh không bị nhiễu.

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Lưu ý rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Lưu ý rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Ngoài việc chỉ định thời lượng ghi, 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

>>>

$ pip install SpeechRecognition

Các 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

Lưu ý rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Khi làm việc với các tệp ồn ào, có thể hữu ích khi xem phản hồi API thực tế. Hầu hết các API trả về một chuỗi JSON chứa nhiều phiên âm có thể có. Các 

>>> r.recognize_google()

Bạn có thể làm điều này bằng cách đặt 

>>> with harvard as source:
...     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> r.recognize_google()

>>> with harvard as source:
...     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>>

$ pip install SpeechRecognition

Như bạn có thể thấy, 

>>> r.recognize_google()

>>> with harvard as source:
...     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

Bây giờ, bạn đã có một ý tưởng khá tốt về những điều cơ bản của gói SpeechRecognition. Bạn đã thấy cách tạo một 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

>>> type(audio)

>>> type(audio)

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Bây giờ cho phần thú vị. Hãy chuyển từ phiên âm các tệp âm thanh tĩnh sang làm cho dự án của bạn trở nên tương tác bằng cách chấp nhận đầu vào từ micrô.

Làm việc với micrô

Để truy cập micrô của bạn bằng SpeechRecognizer, bạn sẽ phải cài đặt gói PyAudio . Hãy tiếp tục và đóng phiên thông dịch hiện tại của bạn, và hãy làm điều đó.

Cài đặt PyAudio

Quá trình cài đặt PyAudio sẽ khác nhau tùy thuộc vào hệ điều hành của bạn.

Debian Linux

Nếu bạn đang sử dụng Linux dựa trên Debian (như Ubuntu), bạn có thể cài đặt PyAudio với 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

Sau khi cài đặt, bạn vẫn có thể cần chạy 

$ pip install SpeechRecognition

hệ điều hành Mac

Đối với macOS, trước tiên bạn cần cài đặt PortAudio với Homebrew, sau đó cài đặt PyAudio với 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

các cửa sổ

Trên Windows, bạn có thể cài đặt PyAudio với 

$ pip install SpeechRecognition

Kiểm tra cài đặt

Sau khi cài đặt xong PyAudio, bạn có thể kiểm tra cài đặt từ bảng điều khiển.

$ pip install SpeechRecognition

Đảm bảo rằng micrô mặc định của bạn được bật và tắt tiếng. Nếu quá trình cài đặt hoạt động, bạn sẽ thấy một cái gì đó như sau:

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

 Hãy tiếp tục và thử nghiệm nó một chút bằng cách nói vào micrô của bạn và xem SpeechRecognition phiên âm bài phát biểu của bạn tốt như thế nào.

Lưu ý: Nếu bạn đang sử dụng Ubuntu và nhận được một số đầu ra thú vị như 'ALSA lib… PCM không xác định', hãy tham khảo trang này để biết các mẹo về cách chặn các thông báo này. Đầu ra này đến từ gói ALSA được cài đặt với Ubuntu — không phải SpeechRecognition hoặc PyAudio. Trên thực tế, những thông báo này có thể chỉ ra sự cố với cấu hình ALSA của bạn, nhưng theo kinh nghiệm của tôi, chúng không ảnh hưởng đến chức năng của mã của bạn. Chúng hầu hết là một mối phiền toái.

các $ pip install SpeechRecognition 06Lớp

Mở một phiên thông dịch khác và tạo một phiên bản của lớp trình nhận dạng.

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Bây giờ, thay vì sử dụng tệp âm thanh làm nguồn, bạn sẽ sử dụng micrô hệ thống mặc định. Bạn có thể truy cập điều này bằng cách tạo một thể hiện của 

$ pip install SpeechRecognition

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Nếu hệ thống của bạn không có micrô mặc định (chẳng hạn như trên Raspberry Pi ) hoặc bạn muốn sử dụng micrô khác với micrô mặc định, bạn sẽ cần chỉ định micrô sẽ sử dụng bằng cách cung cấp chỉ mục thiết bị. Bạn có thể lấy danh sách tên micrô bằng cách gọi 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Lưu ý rằng đầu ra của bạn có thể khác với ví dụ trên.

Chỉ mục thiết bị của micrô là chỉ mục tên của micrô trong danh sách được trả về 

$ pip install SpeechRecognition

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Tuy nhiên, đối với hầu hết các dự án, có thể bạn sẽ muốn sử dụng micrô hệ thống mặc định.

Sử dụng $ pip install SpeechRecognition 11để chụp đầu vào micrô

Bây giờ bạn đã có một 

$ pip install SpeechRecognition

Cũng giống như 

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r.recognize_google()

>>> type(audio)

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Sau khi bạn thực hiện 

>>> type(audio)

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Nếu lời nhắc không bao giờ quay trở lại, rất có thể micrô của bạn đang nhận quá nhiều tiếng ồn xung quanh. Bạn có thể làm gián đoạn quá trình bằng + ctrl + c ++ để lấy lại lời nhắc.

Để xử lý tiếng ồn xung quanh, bạn sẽ cần sử dụng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r.recognize_google()

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Sau khi chạy mã trên, hãy đợi một giây 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

Nhớ lại rằng 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> type(audio)

Tài liệu SpeechRecognition khuyến nghị sử dụng thời lượng không dưới 0,5 giây. Trong một số trường hợp, bạn có thể thấy rằng thời lượng dài hơn mặc định là một giây tạo ra kết quả tốt hơn. Giá trị tối thiểu bạn cần tùy thuộc vào môi trường xung quanh của micrô. Thật không may, thông tin này thường không được biết trong quá trình phát triển. Theo kinh nghiệm của tôi, thời lượng mặc định là một giây là đủ cho hầu hết các ứng dụng.

Xử lý giọng nói không thể nhận dạng

Hãy thử nhập ví dụ mã trước đó vào bộ ngắt âm thanh và tạo ra một số tiếng ồn khó hiểu vào micrô. Bạn sẽ nhận được một cái gì đó như thế này để phản hồi:

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Âm thanh mà API không thể khớp với văn bản sẽ tạo ra một 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

Lưu ý : Bạn có thể phải cố gắng nhiều hơn mong đợi để có được ngoại lệ. API hoạt động rất chăm chỉ để phiên âm bất kỳ âm thanh nào. Ngay cả những tiếng càu nhàu ngắn cũng được phiên âm thành những từ như "làm thế nào" đối với tôi. Ho, tiếng vỗ tay và tiếng tặc lưỡi sẽ liên tục làm tăng ngoại lệ.

Kết hợp tất cả lại với nhau: Trò chơi “Đoán từ”

Bây giờ bạn đã thấy những kiến ​​thức cơ bản về nhận dạng giọng nói với gói SpeechRecognition, hãy sử dụng kiến ​​thức mới học của bạn và viết một trò chơi nhỏ chọn một từ ngẫu nhiên từ danh sách và cho người dùng ba lần thử đoán từ đó.

Đây là toàn bộ kịch bản:

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Hãy phá vỡ điều đó một chút.

Các 

$ pip install SpeechRecognition

>>> r.recognize_google()

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

Trước tiên, hàm sẽ kiểm tra xem các đối số 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Sau đó, 

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Các 

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

$ pip install SpeechRecognition

Tiếp theo, 

>>> r.recognize_google()

$ pip install SpeechRecognition

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Bạn có thể kiểm tra 

$ pip install SpeechRecognition

>>>

>>> r = sr.Recognizer()

Bản thân trò chơi khá đơn giản. Đầu tiên, một danh sách các từ, số lượng đoán được phép tối đa và giới hạn nhanh chóng được khai báo:

>>> r = sr.Recognizer()

Tiếp theo, một 

>>> r.recognize_google()

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Sau khi in một số hướng dẫn và đợi trong 3 ba giây, một 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

Nếu 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Khi 

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Nếu không có bất kỳ lỗi nào, bản phiên âm sẽ được so sánh với từ được chọn ngẫu nhiên. Các 

$ pip install SpeechRecognition

Nếu đoán đúng, người dùng thắng và trò chơi kết thúc. Nếu người dùng không chính xác và vẫn còn bất kỳ lần thử nào, 

$ pip install SpeechRecognition

>>> r = sr.Recognizer()

Khi chạy, đầu ra sẽ giống như sau:

>>> r = sr.Recognizer()

Tóm tắt và bổ sung tài nguyên

Trong hướng dẫn này, bạn đã biết cách cài đặt gói SpeechRecognition và sử dụng 

>>> r.recognize_google()

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

$ pip install SpeechRecognition

>>> type(audio)

>>> type(audio)

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
...    audio = r.record(source)
...

Bạn đã thấy ảnh hưởng của tiếng ồn có thể có đối với độ chính xác của các phiên âm và đã học cách điều chỉnh 

>>> r.recognize_google()

$ pip install SpeechRecognition

>>> r.recognize_google()

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

$ pip install SpeechRecognition

$ pip install SpeechRecognition

Nhận dạng giọng nói là một chủ đề sâu sắc và những gì bạn đã học ở đây hầu như không làm nổi bề mặt. Nếu bạn muốn tìm hiểu thêm, đây là một số tài nguyên bổ sung.

Để biết thêm thông tin về gói SpeechRecognition:

• Thư viện tham khảo
• Các ví dụ
• Trang khắc phục sự cố

Một số tài nguyên Internet thú vị:

• Phía sau micrô: Khoa học nói chuyện với máy tính . Một đoạn phim ngắn về xử lý giọng nói của Google.
• Quan điểm lịch sử về nhận dạng giọng nói của Huang, Baker và Reddy. Truyền thông của ACM (2014). Bài viết này cung cấp một cái nhìn sâu sắc và học thuật về sự phát triển của công nghệ nhận dạng giọng nói.
• Quá khứ, hiện tại và tương lai của công nghệ nhận dạng giọng nói của Clark Boyd tại The Startup. Bài đăng trên blog này trình bày tổng quan về công nghệ nhận dạng giọng nói, với một số suy nghĩ về tương lai.

Một số sách hay về nhận dạng giọng nói:

• Giọng nói trong máy: Xây dựng máy tính hiểu giọng nói , Pieraccini, MIT Press (2012). Một cuốn sách dành cho đối tượng phổ thông có thể truy cập được bao gồm lịch sử cũng như những tiến bộ hiện đại trong xử lý giọng nói.
• Các nguyên tắc cơ bản về nhận dạng giọng nói , Rabiner và Juang, Prentice Hall (1993). Rabiner, một nhà nghiên cứu tại Bell Labs, là người có công trong việc thiết kế một số công cụ nhận dạng giọng nói khả thi về mặt thương mại đầu tiên. Cuốn sách này đã hơn 20 năm tuổi, nhưng rất nhiều nguyên tắc cơ bản vẫn được giữ nguyên.
• Nhận dạng giọng nói tự động: Phương pháp tiếp cận học tập sâu , Yu và Deng, Springer (2014). Yu và Deng là những nhà nghiên cứu tại Microsoft và cả hai đều rất tích cực trong lĩnh vực xử lý giọng nói. Cuốn sách này bao gồm rất nhiều phương pháp tiếp cận hiện đại và nghiên cứu tiên tiến nhưng không dành cho những người yếu tim về toán học.

Phụ lục: Nhận dạng giọng nói bằng các ngôn ngữ khác ngoài tiếng Anh

Trong suốt hướng dẫn này, chúng tôi đã nhận dạng giọng nói bằng tiếng Anh, là ngôn ngữ mặc định cho mỗi 

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Để nhận dạng giọng nói bằng một ngôn ngữ khác, hãy đặt 

$ pip install SpeechRecognition

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

$ pip install SpeechRecognition

$ pip install SpeechRecognition

>>> r.recognize_google()

Chỉ các phương thức sau chấp nhận 

$ pip install SpeechRecognition

• >>> r.recognize_google()
  

  6

• >>> r.recognize_google()
  

  7

• >>> r.recognize_google()
  

  8

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  0

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  1

Để biết những thẻ ngôn ngữ nào được API bạn đang sử dụng hỗ trợ, bạn sẽ phải tham khảo tài liệu tương ứng . Bạn 

>>> r.recognize_google()