使用Python和Vosk库实现语音识别

使用Python和Vosk库实现语音识别

在人工智能和机器学习领域，语音识别技术正变得越来越重要。Python作为一种强大的编程语言，拥有丰富的库和框架，可以方便地实现语音识别功能。今天，我们将介绍如何使用Python中的SpeechRecognition库和Vosk模型来实现语音识别。

一、SpeechRecognition库的安装

SpeechRecognition库是Python中一个简单易用的语音识别模块，支持多种语音识别服务，包括Google Speech Recognition、CMU Sphinx等。首先，我们需要安装这个库：

pip install SpeechRecognition

如果在安装过程中遇到问题，可以尝试强制安装：

pip install --force-reinstall SpeechRecognition

二、导入库

安装完成后，我们可以导入库并开始使用：

import speech_recognition as sr
r = sr.Recognizer()

需要注意的是，虽然安装时使用的是SpeechRecognition，但在导入时使用的是speech_recognition。

三、识别麦克风输入的语音

如果你想要识别通过麦克风实时输入的语音，可以使用以下代码：

# 麦克风录音
mic = sr.Microphone()
with mic as source:
    print("请说话...")
    r.adjust_for_ambient_noise(source)
    audioData = r.listen(source)

四、识别语音文件

如果你已经有了一个语音文件，比如MP3格式的文件，你可以直接使用SpeechRecognition库来识别它：

# 识别语音文件
audioFile = sr.AudioFile("your_audio_file.mp3")
with audioFile as source:
   audioData = r.record(source)

请确保语音文件与你的主程序在同一个文件夹中，或者提供正确的文件路径。

五、安装Vosk库

Vosk是一个开源的语音识别工具，支持多种语言，并且可以离线工作。安装Vosk库：

pip install vosk

六、下载和使用Vosk模型

虽然安装了Vosk库，但我们需要单独下载Vosk的语音模型。访问VOSK Models网站，下载适合你的语言的模型。对于中文，下载中文语音模型，并将其解压到主程序文件夹下，将文件夹重命名为“model”。
模型下载连接

七、语音识别

使用Vosk模型进行语音识别：

said = r.recognize_vosk(audioData)
print("你说的话是:", formulateResult(said))

这里的formulateResult函数用于处理识别结果，提取出识别的文本。

八、运行结果

使用上述代码，你可以将语音文件中的语音转换为文本。例如，使用“xxx.mp3”文件进行识别进行测试，都能得到不错的识别效果。

九、完整demo

import speech_recognition as sr
import vosk
import pyaudio

r = sr.Recognizer()


# 直接录音
mic = sr.Microphone()
with mic as source:
    print("请说话...")
    r.adjust_for_ambient_noise(source)
    audioData = r.listen(source)


# # 使用语音文件
# audioFile = sr.AudioFile("xxxx.mp3")
# with audioFile as source:
#     audioData = r.record(source)


def formulateResult(resu):
    start = resu.index('"', resu.index('"', resu.index('"') + 1) + 1) + 1
    end = resu.index('"', start)
    return resu[start:end]

said = r.recognize_vosk(audioData)
print("you said:", formulateResult(said))