语音识别和python入门

Question

我想知道从哪里可以开始语音识别。不是使用库或任何相当“黑盒”的东西，而是我想知道在哪里可以真正创建一个简单的语音识别脚本。我做了一些搜索，发现并不多，但我看到的是，有‘声音’或音节的字典，可以拼凑成文本。所以基本上我的问题是我可以从哪里开始呢？

此外，由于这有点乐观，我也可以(目前)在我的程序中使用一个库。我看到一些speech to text库和API只输出一个结果。这是可以的，但它将是不现实的。我当前的程序已经检查了输入的任何文本的语法和所有内容，因此，如果我有语音转文本软件的前十个结果，那么它可以检查每个结果，并排除任何没有意义的结果。

Answer 1

更新:这不再起作用了

因为谷歌关闭了它的平台

--

您可以使用https://pypi.python.org/pypi/pygsr

​

$> pip install pygsr

示例用法：

from pygsr import Pygsr
speech = Pygsr()
# duration in seconds
speech.record(3)
# select the language
phrase, complete_response = speech.speech_to_text('en_US')

print phrase

Answer 2

如果你真的想从头开始理解语音识别，那就去找一个很好的python信号处理包，然后独立阅读语音识别软件吧。

但语音识别是一个极其复杂的问题(主要是因为当我们说话时，声音会以各种方式相互作用)。即使你从你能得到的最好的语音识别库开始，你也不会发现自己无事可做。

Answer 3

Pocketsphinx也是一个很好的选择。SWIG提供了Python绑定，可以轻松地将其集成到脚本中。

例如：

from os import environ, path
from itertools import izip

from pocketsphinx import *
from sphinxbase import *

MODELDIR = "../../../model"
DATADIR = "../../../test/data"

# Create a decoder with certain model
config = Decoder.default_config()
config.set_string('-hmm', path.join(MODELDIR, 'hmm/en_US/hub4wsj_sc_8k'))
config.set_string('-lm', path.join(MODELDIR, 'lm/en_US/hub4.5000.DMP'))
config.set_string('-dict', path.join(MODELDIR, 'lm/en_US/hub4.5000.dic'))
decoder = Decoder(config)

# Decode static file.
decoder.decode_raw(open(path.join(DATADIR, 'goforward.raw'), 'rb'))

# Retrieve hypothesis.
hypothesis = decoder.hyp()
print 'Best hypothesis: ', hypothesis.best_score, hypothesis.hypstr

print 'Best hypothesis segments: ', [seg.word for seg in decoder.seg()]

# Access N best decodings.
print 'Best 10 hypothesis: '
for best, i in izip(decoder.nbest(), range(10)):
    print best.hyp().best_score, best.hyp().hypstr

# Decode streaming data.
decoder = Decoder(config)
decoder.start_utt('goforward')
stream = open(path.join(DATADIR, 'goforward.raw'), 'rb')
while True:
    buf = stream.read(1024)
    if buf:
        decoder.process_raw(buf, False, False)
    else:
        break
decoder.end_utt()
print 'Stream decoding result:', decoder.hyp().hypstr