Python: 如何即時將語音轉為文字? import speech_recognition as sr ; r = sr.Recognizer() ; str1 = r.recognize_google( audio, language = “zh-TW”)

by 儲蓄保險王 · 2023-10-23

code:

"""
資料來源:
https://realpython.com/python-speech-recognition/

pip install sounddevice
pip install scipy
# 注意 要安裝喔！
#  先用 python 看一下版本
# 然後到這邊下載對應的檔案
# https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio
pip install PyAudio‑0.2.11‑cp39‑cp39‑win_amd64.whl

"""
# https://pypi.org/project/SpeechRecognition/
import speech_recognition as sr
# import torch

r = sr.Recognizer()                                           # 預設辨識英文

print(sr.Microphone.list_microphone_names())                  # 列出所有的麥克風
print("說一段話，並停3秒 ， 就可以辨識語音，如果要結束，就說「離開」")
#source = sr.Microphone(device_index=0)                       # 麥克風設定 0 內定
microphone = sr.Microphone()                                  # 麥克風設定 0 內定
#<speech_recognition.Microphone at 0x2a8dcc5db90>
while True:
    with microphone as source: #<speech_recognition.Microphone at 0x2a8dcc5db90>
        r.adjust_for_ambient_noise(source)                      # 調整麥克風的雜訊
        audio = r.listen(source)                                # 錄製的語音
    
# =============================================================================
#     r.adjust_for_ambient_noise(microphone)                      # 調整麥克風的雜訊
#     audio = r.listen(microphone)                                # 錄製的語音

# =============================================================================
#   File C:\Python311\Lib\site-packages\speech_recognition\__init__.py:383 in adjust_for_ambient_noise
#     assert source.stream is not None, "Audio source must be entered before adjusting, see documentation for ``AudioSource``; are you using ``source`` outside of a ``with`` statement?"
# 
# AssertionError: Audio source must be entered before adjusting, see documentation for ``AudioSource``; are you using ``source`` outside of a ``with`` statement?
# =============================================================================
# =============================================================================
    
    # str1 =r.recognize_google(audio, key="GOOGLE_SPEECH_RECOGNITION_API_KEY", language="zh-TW")
    # str1 = r.recognize_google(audio, language="zh-TW")  # 使用Google的服務
    #str1 = r.recognize_whisper(audio)
    str1 = r.recognize_google(audio, language="zh-TW")
    #recognize_google(audio, language="zh-TW")  # 使用Google的服務

    print("辨識後的文字: " +str1)
    if str1 == "離開" or str1.find("離開") >=0  or str1.find("再見") >=0  or str1.find("關閉") >=0  :
        break

輸出結果:

Python: 如何即時將語音轉為文字? import speech_recognition as sr ; r = sr.Recognizer() ; str1 = r.recognize_google( audio, language = "zh-TW") - 儲蓄保險王

microphone , source 的type都一樣是
speech_recognition.Microphone

但還是需要:
with microphone as source:
後面兩rows 程式碼
若直接引用microphone
會出以下錯誤:

File C:\Python311\Lib\site-packages\speech_recognition__init__.py:383 in adjust_for_ambient_noise
assert source.stream is not None, “Audio source must be entered before adjusting, see documentation for AudioSource; are you using source outside of a with statement?”

AssertionError: Audio source must be entered before adjusting, see documentation for AudioSource; are you using source outside of a with statement?

with microphone as source 这一行代码是为了设置一个上下文管理器，用来管理麦克风设备的资源，确保在使用麦克风时能够正确地打开和关闭它。这是 Python 中一种常见的做法，确保资源被妥善地释放，从而避免资源泄漏或不正常操作。

在这个上下文管理器中，microphone 是 Microphone 类的实例，它代表了麦克风设备。as source 部分表示将 microphone 对象赋给名为 source 的变量，以供后续的操作使用。

通过这个上下文管理器，你可以在 with 块内执行需要使用麦克风的操作，然后在 with 块结束时，上下文管理器会自动关闭麦克风，释放相关资源。这确保了在使用麦克风后，资源被正确释放，不会造成资源泄漏或不正常操作。

总之，with microphone as source 是一种良好的编程习惯，用于管理资源，确保它们在使用后得到适当的释放。这在文件、网络连接、数据库连接等各种资源管理中都是常见的做法。

r.adjust_for_ambient_noise(source) 是 SpeechRecognition 库中的一个方法，用于自动检测并适应环境噪音，以提高语音识别的准确性。这个方法通常在开始录音之前调用，以帮助系统更好地处理录音中的杂音和背景噪音。

具体来说，adjust_for_ambient_noise 方法会执行以下操作：

静默环境：在调用此方法之前，系统会检测录音设备的静默环境，以了解在没有声音的情况下的背景噪音水平。
适应环境噪音：然后，当 adjust_for_ambient_noise 方法被调用时，它会录制一小段时间（通常为1秒）的声音，以获取环境中的噪音水平。这段时间内，用户应该保持沉默，以便系统只记录环境噪音。
适应完成：一旦获取了环境噪音水平，adjust_for_ambient_noise 方法将使用这个信息来调整后续的录音，以更好地识别语音内容，减少背景噪音的影响。

通常，这个方法在语音识别之前调用，以确保系统已经了解了当前环境的背景噪音，并可以更好地适应环境。这有助于提高语音识别的准确性，特别是在有噪音的环境中。

在代码示例中，r.adjust_for_ambient_noise(source) 被用于调整 source 对象的环境噪音，以准备进行后续的语音识别。这有助于提高语音识别的质量，尤其是在有噪音的情况下。

r.listen(source) 将等待用户说话，但如果连续3秒内没有检测到声音，它将自动停止录音，并将录制的声音存储在 audio 变量中。这是一个默认的行为，用来检测用户是否已经停止说话。当用户再次说话时，它将再次开始录音。这是一个用来监听语音输入的机制。

因此，如果用户连续3秒没有说话，代码将自动停止录音，并尝试识别停止录音时的声音。如果用户说 “離開” 或类似的关键词，代码将退出循环。这个机制允许用户自行决定何时开始和停止录音。