Python Speech_Recognition坏结果

Question

我试图使用Python3.4使用speech_recognition 3.1.2，但我一直遇到麻烦。

最初，当我尝试使用示例WAV识别器时，我得到了TypeError：'str‘不支持缓冲区接口，所以我对源代码进行了梳理并做了以下更改：

    def read(self, size = -1):
        buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
        if type(buffer) is str:
            buffer = buffer.encode(encoding="utf-8", errors="strict")
            print(buffer)
        if self.wav_reader.getnchannels() != 1: # stereo audio
            try:
                buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
            except Exception as e:
                print(e)
        return buffer

发自：

    def read(self, size = -1):
        buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
        if self.wav_reader.getnchannels() != 1: # stereo audio
            buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
        return buffer

虽然它没有抛出一个错误，现在的转录质量是可怕的。我可以非常准确地运行python -m speech_recognition，所以我不确定发生了什么。我把energy_threshold调高到4000，以确保它不是环境噪音问题。我甚至使用了两种不同的识别服务(IBM和Google语音识别)。另外，出于某种原因，最后两个缓冲区是空字符串，然后我必须将其转换为字节对象。

b''
b''

任何建议都会很棒！

Answer 1

我已经推出了3.1.3版本，这应该可以解决这个问题。用pip install --upgrade SpeechRecognition升级并试用修复程序！

实际上，这里有两个因素：

• Python chunk库中有一个bug，如果文件指针位于或超过文件末尾，它将返回一个字符串而不是一个空字节对象。这是几个月前修复的，但是今天使用的大多数Python版本仍然存在这个错误。
• 立体声音频没有被正确地转换成单声道-通道仍然被设置为立体声。这导致了一些有趣的声音！

请参阅此处的更改：recognition