🔍 Как сделать speech to text на Python: простой гид для начинающих! 🎙️

Как сделать распознавание речи в Python?

Для распознавания речи в Python можно использовать библиотеку SpeechRecognition. Вот простой пример:

import speech_recognition as sr

# Создаем объект Recognizer
rec = sr.Recognizer()

# Записываем аудио с микрофона
with sr.Microphone() as source:
    print("Говорите...")
    audio = rec.listen(source)

# Распознаем текст с помощью Google Web Speech API
try:
    text = rec.recognize_google(audio, language="ru-RU")
    print("Вы сказали: " + text)
except sr.UnknownValueError:
    print("Не удалось распознать речь")
except sr.RequestError as e:
    print("Ошибка сервиса распознавания речи; {0}".format(e))

Данный код использует микрофон для записи речи и затем распознает ее с помощью Google Web Speech API. Вы можете изменить язык распознавания, указав другой код языка в методе `recognize_google()`.

У вас должна быть установлена библиотека SpeechRecognition. Если она не установлена, вы можете использовать команду `pip install SpeechRecognition` для ее установки.

Учтите, что для работы этого кода вам потребуется активное интернет-соединение и настроенный микрофон на вашем компьютере.

Как сделать speech to text на Python

Преобразование речи в текст, также известное как speech to text, является важной функцией во многих приложениях. В этой статье мы рассмотрим, как реализовать speech to text на Python с использованием библиотеки SpeechRecognition.

Шаг 1: Установка библиотеки SpeechRecognition

Для начала, убедитесь, что у вас установлен Python на вашем компьютере. Затем откройте командную строку и выполните следующую команду, чтобы установить библиотеку SpeechRecognition:

    pip install SpeechRecognition
    

Шаг 2: Настройка распознавания речи

Основная функциональность speech to text обеспечивается библиотекой SpeechRecognition. Давайте настроим распознавание речи:

    import speech_recognition as sr

    recognizer = sr.Recognizer()
    

Шаг 3: Запись аудио

Прежде чем мы сможем распознать речь, нам нужно записать аудио. Воспользуемся библиотекой PyAudio для записи аудио с микрофона:

    import pyaudio
    import wave

    def record_audio(duration):
        chunk = 1024
        sample_format = pyaudio.paInt16
        channels = 2
        fs = 44100

        p = pyaudio.PyAudio()

        stream = p.open(format=sample_format,
                        channels=channels,
                        rate=fs,
                        frames_per_buffer=chunk,
                        input=True)

        frames = []

        print("Recording...")

        for i in range(0, int(fs / chunk * duration)):
            data = stream.read(chunk)
            frames.append(data)

        stream.stop_stream()
        stream.close()

        p.terminate()

        print("Finished recording.")

        wavefile = wave.open("audio.wav", 'wb')
        wavefile.setnchannels(channels)
        wavefile.setsampwidth(p.get_sample_size(sample_format))
        wavefile.setframerate(fs)
        wavefile.writeframes(b''.join(frames))
        wavefile.close()

    record_audio(5)  # Запись 5 секунд аудио
    

Вышеуказанный код позволяет записать 5 секунд аудио. Вы можете изменить значение параметра `duration` для записи более длительного аудио.

Шаг 4: Распознавание речи

Теперь мы готовы распознать аудио и преобразовать его в текст. Используем ранее настроенный объект `recognizer` для выполнения этой операции:

    def speech_to_text():
        audio_file = "audio.wav"

        with sr.AudioFile(audio_file) as source:
            audio_data = recognizer.record(source)
            text = recognizer.recognize_google(audio_data, language="ru-RU")

        return text

    recognized_text = speech_to_text()
    print(recognized_text)
    

Приведенный выше код распознает аудио и возвращает текст, содержащийся в нем, с использованием сервиса распознавания Google.

Шаг 5: Запуск распознавания

Теперь давайте запустим все шаги распознавания речи вместе:

    record_audio(5)  # Запись аудио
    recognized_text = speech_to_text()  # Распознавание аудио в текст
    print(recognized_text)
    

Вышеуказанный код записывает аудио, распознает его и выводит распознанный текст в консоль.

Заключение

В этой статье мы рассмотрели, как сделать speech to text на Python с использованием библиотеки SpeechRecognition. Мы настроили распознавание речи, записали аудио, распознали его и преобразовали в текст. Этот код может быть полезен для разработки приложений, где требуется перевод речи в текст.