Python SpeechRecognition麦克风在list_microphone_names()中，但不在list_working_microphones()中

Question

我正在按照列出的代码here来构建我自己的智能扬声器。我购买了this蓝牙扬声器/麦克风。当我在audacity中录制音频时，麦克风工作得很好，当我使用以下使用PyAudio而不是SpeechRecognition的代码时，麦克风也工作得很好

import pyaudio
import wave
from array import array

FORMAT=pyaudio.paInt16
CHANNELS=2
RATE=44100*2
CHUNK=1024
RECORD_SECONDS=5
FILE_NAME="RECORDING.wav"

audio=pyaudio.PyAudio() #instantiate the pyaudio

#recording prerequisites
stream=audio.open(format=FORMAT,channels=CHANNELS,
                  rate=RATE,
                  input=True,
                  frames_per_buffer=CHUNK)

#starting recording
frames=[]

for i in range(0,int(RATE/CHUNK*RECORD_SECONDS)):
    data=stream.read(CHUNK)
    data_chunk=array('h',data)
    vol=max(data_chunk)
    if(vol>=500):
        print("something said")
        frames.append(data)
    else:
        print("nothing")
    print("\n")


#end of recording
stream.stop_stream()
stream.close()
audio.terminate()
#writing to file
wavfile=wave.open(FILE_NAME,'wb')
wavfile.setnchannels(CHANNELS)
wavfile.setsampwidth(audio.get_sample_size(FORMAT))
wavfile.setframerate(RATE)
wavfile.writeframes(b''.join(frames))#append frames recorded to file
wavfile.close()

但是，当我尝试使用以下代码时

import speech_recognition as sr
import pyaudio

r = sr.Recognizer()

mic = sr.Microphone(device_index=1)

with mic as source:
    r.adjust_for_ambient_noise(source)
    audio = r.listen(source, timeout=5)

print(r.recognize_google(audio))

使用这个扬声器/麦克风，它会无限期地挂起。我用了一个usb麦克风，切换了device_index，它工作得很好。当我使用list_microphone_names()时，我可以在我的选项列表中看到蓝牙麦克风：“耳机麦克风(蓝牙H)旁边还有我的usb麦克风(蓝色雪球)”，但是当我使用list_working_microphones()时，蓝牙麦克风就消失了。本质上，它识别设备存在，但在r.listen()期间不能通过它听到音频。

有人知道这可能是什么原因吗？

Answer 1

我深入研究了Recognizer.listen()的源代码，发现这个问题与它用作开始和停止录制音频的阈值的“能量”级别有关。作为判断某人是否正在说话的截止值的默认能量级别(由audioop.rms(buffer，source.SAMPLE_WIDTH)测量)为300，并且会一直下降，直到音频级别首次超过此阈值。然后，在录制时，它会检查音频的多个并发实例是否低于分界值(pause_buffer_count，默认值为35)，以结束一个短语。

问题是，我使用的蓝牙麦克风似乎接收到了很多环境噪音(和/或只是热垃圾)，即使我不说话，也会有100-400的能量，所以程序会认为我还在说话。我修复了这个问题，让adjust_for_ambient_noise在尝试收听音频之前运行更长时间。

我的第二个问题是在发言之前没有等待足够长的时间让adjust_for_ambient_noise运行，这会切断我的短语，有时会低于转录的音频长度限制，这会导致它默默地尝试重新录制语句。这是通过在adjust_for_ambient_noise之后的简单打印(“立即发言”)修复的。