Python语音识别教程：SpeechRecognition使用指南

想轻松实现Python语音识别？这篇教程为你详解SpeechRecognition库的使用。从安装配置到实际应用，本文将一步步指导你完成语音识别的整个流程。首先，通过`pip install SpeechRecognition`快速安装库，并根据需要配置麦克风输入支持（pyaudio）。接着，学习如何使用Recognizer和Microphone对象捕获音频，并通过Google API（或其他语音识别服务）将语音转换为文字。此外，本文还介绍了如何通过`adjust_for_ambient_noise`减少噪音干扰，以及如何设置语言参数以支持不同语种的识别。最后，我们还将探讨离线识别和音频文件识别等高级应用。无论你是初学者还是有一定经验的开发者，都能从中受益，快速掌握Python语音识别技术。

语音识别在Python中借助SpeechRecognition库实现非常简便。1. 安装SpeechRecognition库，使用pip install SpeechRecognition；2. 若需使用非Google API的服务，需额外申请密钥或安装依赖；3. 需安装pyaudio库支持麦克风输入，Linux和macOS可能需要特殊处理；4. 使用Recognizer和Microphone对象获取并识别音频；5. 可通过adjust_for_ambient_noise减少噪音干扰，设置语言参数调整识别语种；6. 支持离线识别和音频文件识别。整个流程简单但需注意环境配置和细节问题。

语音识别在Python中其实并不复杂，尤其是借助一些现成的库，比如 SpeechRecognition。它封装了多种语音识别引擎和API，使用起来非常方便，适合初学者快速上手。

安装SpeechRecognition

要开始用 SpeechRecognition，首先得安装这个库。一般直接用 pip 安装就可以了：

pip install SpeechRecognition

如果你还想用Google Web Speech API来做实际的识别（默认就是这个），那基本不需要额外配置。但如果你想用其他服务，比如Sphinx、Wit.ai、Bing Voice等，可能还需要申请密钥或者安装额外依赖。

获取麦克风输入：需要pyaudio

默认情况下，SpeechRecognition 支持从麦克风获取音频，但需要一个叫 pyaudio 的库支持。这一步经常卡人，特别是Windows以外的系统。

你可以尝试用 pip 安装：

pip install pyaudio

如果装不上，Linux用户可能需要用 apt-get 安装依赖：

sudo apt-get install python3-pyaudio

macOS用户可能需要用 homebrew 安装 portaudio 再编译安装pyaudio。

最简单的语音识别示例

下面是一个基础例子，它会监听麦克风，然后把你说的话转成文字：

import speech_recognition as sr

r = sr.Recognizer()
with sr.Microphone() as source:
    print("请说话...")
    audio = r.listen(source)

try:
    text = r.recognize_google(audio, language="zh-CN")
    print("你说的是: " + text)
except sr.UnknownValueError:
    print("无法识别音频")
except sr.RequestError as e:
    print("请求出错; {0}".format(e))

这段代码的关键在于：

• 使用 Recognizer() 创建一个识别器对象
• 用 Microphone() 上下文管理器来获取音频流
• 调用 listen() 来监听一次语音输入
• 最后调用 recognize_google() 进行识别（默认是Google API）

注意：Google的API在国外服务器，网络不好的话可能会失败。可以考虑换别的API，或者加个重试机制。

常见问题和注意事项

• 环境噪音干扰：可以在录音前加一句 r.adjust_for_ambient_noise(source) 自动校准背景噪音。
• 识别语言设置：上面例子用了 "zh-CN" 表示中文普通话，英文就换成 "en-US"。
• 离线识别：如果你想离线识别，可以用CMU Sphinx，不过准确率会低一些。
• 音频文件识别：不只是麦克风，你也可以读取 .wav 文件进行识别，只需要改成 sr.AudioFile("test.wav") 就行。

基本上就这些。整个流程不算复杂，但有些细节容易忽略，比如pyaudio的安装、网络访问权限这些。遇到问题多看看错误提示，再查文档或Stack Overflow，应该都能解决。

本篇关于《Python语音识别教程：SpeechRecognition使用指南》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！