|
你能順利在Python應(yīng)用程序中實(shí)現(xiàn)語音識(shí)別嗎？閱讀本教程，了解使用開源Python庫實(shí)現(xiàn)語音識(shí)別的簡單方法。 你是否曾經(jīng)想嘗試一個(gè)語音識(shí)別項(xiàng)目，但發(fā)現(xiàn)它太嚇人了? 我們來創(chuàng)建一些更復(fù)雜的東西，比如完整的音頻聊天機(jī)器人或者語音助手，怎么樣？ 組合這類項(xiàng)目的框架代碼實(shí)際上非常簡單，這歸功于那些我們可以依賴的開源庫。結(jié)合這一點(diǎn)，讓我們看看如何開始用Python創(chuàng)建一個(gè)基本的玩具語音識(shí)別應(yīng)用程序。一旦我們掌握了基礎(chǔ)知識(shí)，就可以更深入的使用它了。 丑話說在先，我們的Python玩具應(yīng)用程序沒有實(shí)際作用，但它會(huì)向我們介紹一些概念，這些概念對以后構(gòu)建更復(fù)雜的事物非常有用。在某種程度上來說，如果我們正確地構(gòu)建這個(gè)玩具，修改它來做更復(fù)雜的事情將會(huì)相對容易。 我們的應(yīng)用程序在完成后能執(zhí)行的操作：它會(huì)聽我們說什么，然后鸚鵡學(xué)舌地把它傳回給我們，僅此而已。這件事的意義是，我們將學(xué)會(huì)在應(yīng)用程序中構(gòu)建語音識(shí)別和音頻回放。 導(dǎo)入需要的庫首先，導(dǎo)入幾個(gè)我們需要的庫（來自開源庫）： import osimport speech_recognition as srfrom pydub import AudioSegmentfrom pydub.playback import playfrom gtts import gTTS as tts 注釋：
識(shí)別語音接下來要做的事情——可能是語音識(shí)別應(yīng)用程序最重要的事情，就是識(shí)別語音。 為此，我們首先需要從麥克風(fēng)捕獲傳入的音頻，然后執(zhí)行語音識(shí)別。這都是通過speech recognition庫來處理的。 這是捕捉語音的功能： def capture(): '''Capture audio''' rec = sr.Recognizer() with sr.Microphone() as source: print('I\'M LISTENING...') audio = rec.listen(source, phrase_time_limit=5) try: text = rec.recognize_google(audio, language='en-US') return text except: speak('Sorry, I could not understand what you said.') return 0就這樣，語音捕獲和識(shí)別，還覺得很可怕嗎? 注意，一旦這個(gè)應(yīng)用程序開始運(yùn)行，它將以5秒的間隔進(jìn)行監(jiān)聽，并逐個(gè)處理這5秒間隔。實(shí)用嗎？不，一點(diǎn)也不。如果我們需要做一些更復(fù)雜的事情，可以把它進(jìn)行調(diào)整，也許是聽一個(gè)激活關(guān)鍵字，或者聽我們說話的整個(gè)過程，不管長度等等。這僅僅是一個(gè)非常簡單的開始。 回放語音那么，我們捕捉到語音之后會(huì)做什么呢？我們需要處理它，具體該怎么做呢？ 我們正在構(gòu)建的應(yīng)用程序?qū)⒃诤艽蟪潭壬蠜Q定“process it”的含義。這次我們的處理將或多或少是一個(gè)占位符函數(shù)，以便將來做其他事情。目前我們的玩具應(yīng)用程序?qū)⑻幚聿蹲降恼Z音，并將其自動(dòng)回放給我們（輸出到控制臺(tái)）。 這是我們處理的一個(gè)簡單函數(shù)： def process_text(name, input): '''Process what is said''' speak(name + ', you said: '' + input + ''.') return 讓應(yīng)用程序說話我們還想讓這個(gè)應(yīng)用程序說話，讓我們編寫一個(gè)函數(shù)，它使用谷歌文本-語音引擎來實(shí)現(xiàn)這個(gè)功能。 def speak(text): '''Say something''' # Write output to console print(text) # Save audio file speech = tts(text=text, lang='en') speech_file = 'input.mp3' speech.save(speech_file) # Play audio file sound = AudioSegment.from_mp3(speech_file) play(sound) os.remove(speech_file) 首先，我們將傳遞給函數(shù)的內(nèi)容打印到控制臺(tái)；然后使用谷歌文本-語音的轉(zhuǎn)換，從文本中創(chuàng)建一個(gè)音頻文件；再將音頻文件保存到磁盤；最后使用pydub庫重新打開并播放文件。 這是最難處理的事情?，F(xiàn)在我們只需要幾行代碼來驅(qū)動(dòng)這個(gè)過程。 if __name__ == '__main__': # First get name speak('What is your name?') name = capture() speak('Hello, ' + name + '.') # Then just keep listening & responding while 1: speak('What do you have to say?') captured_text = capture().lower() if captured_text == 0: continue if 'quit' in str(captured_text): speak('OK, bye, ' + name + '.') break # Process captured text process_text(name, captured_text) speak()和capture()函數(shù)都用于在提示時(shí)獲取用戶名，然后向他們打招呼。之后進(jìn)入一個(gè)while循環(huán)，在捕獲語音輸入和執(zhí)行一些非?；镜臋z查之間的循環(huán)，以確保捕獲了一些內(nèi)容，并且用戶沒有說“退出”來退出。捕獲的文本被傳遞給process_text()函數(shù)，該函數(shù)響應(yīng)剛才所說的內(nèi)容，然后無限重復(fù)。 再一次申明：這里沒有什么復(fù)雜的東西。 將上述所有代碼保存到 voice_recognition_test.py 文件中。 現(xiàn)在來看看我們與極簡語音識(shí)別應(yīng)用程序的對話。用上面的代碼運(yùn)行它，查看結(jié)果如下(當(dāng)然，同時(shí)想象我正在說話，并讓別人重復(fù)我的話)： $ python voice_recognition_test.py What is your name? I'M LISTENING... Hello, Matthew. What do you have to say? I'M LISTENING... Matthew, you said: 'where are you from'. What do you have to say? I'M LISTENING... Matthew, you said: 'i'd like some pizza'. What do you have to say? I'M LISTENING... Matthew, you said: 'what is the meaning of life'. What do you have to say? I'M LISTENING... OK, bye, Matthew. Process finished with exit code 0 很酷！如果它真的能做點(diǎn)什么，那就更酷了。那么讓我們把注意力轉(zhuǎn)向下一次。 下一次，讓我們輕松應(yīng)對一些更復(fù)雜的內(nèi)容，比如將spaCy集成到代碼中，并嘗試一些簡單的NLP任務(wù)，比如口語句子分類、情感分析和命名實(shí)體識(shí)別。 再下一次，我們可以看看一些更實(shí)用的功能，比如制作個(gè)人語音助手，這將需要對我們的界面進(jìn)行一些額外的調(diào)整。 |
|
|
