• 目录视图
• 摘要视图
• 订阅

CSDN日报20170303——《百亿互金平台救火故事》      程序员2月书讯     社区有奖问答--一起舞动酷炫的iOS动画     基于Spark的分布式深度学习和认知计算

 

使用python和IBM speech to text 进行 语音识别

标签： 语音识别ibmpythonapi

2015-11-10 17:22 1403人阅读 评论(0) 收藏 举报

 分类：

程序模块（14）  编程语言（13） 

版权声明：本文为博主原创文章，未经博主允许不得转载。

wav 转 text ，感觉 还是IBM 的 speech to text 比较靠得住。

比百度的语音识别API好上太多。

[html] view plain copy

1. https://speech-to-text-demo.mybluemix.net/  

--------------------------------------------------------------------

注册拿到 帐号密码后， 

有一个包比较 方便 调用

是SpeechRecogntion

[html] view plain copy

1. https://pypi.python.org/pypi/SpeechRecognition/  

pip install 或者 按照说明 安装就行了

---------------------------------------------------------------------

SpeechRecognition包含多个网站的API 

然而Google的并不能用，AT&T的没试过。

--------------------------------------------------------------------

在debian 上测试的时候有个问题，需要 管理 员权限 。

可能是内部有过wav  2 flac 然后把临时文件 保存在dist-package下了，

--------------------------------------------------------------------

SpeechRecognition有示例代码wav_transcribe.py；

如果用于识别中文，需要在speechrecognition/__init__.py中，

修改recognize_ibm函数的482行

[python] view plain copy

1. assert language in ["en-US", "es-ES", "ja-JP"], "`language` must be a valid language."  

增加"zh-CN"项，

[python] view plain copy

1. assert language in ["en-US", "es-ES", "ja-JP", "zh-CN"], "`language` must be a valid language."  

---------------------------------------------------------------------

SpeechRecognition的用法 如下

[python] view plain copy

1. import speech_recognition as sr  

读wav文件

[python] view plain copy

1. r = sr.Recognizer()  
2. with sr.WavFile(path) as source:  
3.     audio = r.record(source)  

然后可以调用 recognize_ibm 返回识别结果，是utf8格式的，一般写起来 会有些问题

[python] view plain copy

1. IBM_USERNAME = 'XXXXXXXX'  
2. IBM_PASSWORD= 'XXXXXXXX'  
3.   
4. text = r.recognize_ibm(audio, username = IBM_USERNAME, password = IBM_PASSWORD, language = 'zh-CN')  

text 就是识别结果，可能会有编码问题之类的。