Python实现语音识别：SpeechRecognition

最近在学习语音识别的一些基本知识，也在了解Python的语音识别功能依赖库。分享一下。

 

常用Python语音识别依赖库

Python的依赖库中有一些现成的语音识别软件包。其中包括：

• apiai
• google-cloud-speech
• pocketsphinx
• SpeechRcognition
• watson-developer-cloud
• wit

其中SpeechRecognition，是google出的，专注于语音向文本的转换。

wit 和 apiai 提供了一些超出基本语音识别的内置功能，如识别讲话者意图的自然语言处理功能。

 

SpeechRecognition库的优势

满足几种主流语音 API ，灵活性高

Google Web Speech API 支持硬编码到 SpeechRecognition 库中的默认 API 密钥，无需注册就可使用

SpeechRecognition无需构建访问麦克风和从头开始处理音频文件的脚本， 只需几分钟即可自动完成音频输入、检索并运行。因此易用性很高。

 

SpeechRecognition的识别器

SpeechRecognition 的核心就是识别器类。一共有七个Recognizer API ，包含多种设置和功能来识别音频源的语音，分别是：

• recognize_bing()：Microsoft Bing Speech

• recognize_google()： Google Web Speech API

• recognize_google_cloud()：Google Cloud Speech - requires installation of the google-cloud-speech package

• recognize_houndify()： Houndify by SoundHound

• recognize_ibm()：IBM Speech to Text

• recognize_sphinx()：CMU Sphinx - requires installing PocketSphinx

• recognize_wit()：Wit.ai

以上七个中只有 recognition_sphinx（）可与CMU Sphinx 引擎脱机工作， 其他六个都需要连接互联网。

另外，SpeechRecognition 附带 Google Web Speech API 的默认 API 密钥，可直接使用它。其他六个 API 都需要使用 API 密钥或用户名/密码组合进行身份验证，因此本文使用了 Web Speech API。

 

SpeechRecognition 的使用要求

To use all of the functionality of the library, you should have:

• Python 2.6, 2.7, or 3.3+ (required)

需要Python 2.6、2.7和3.3以上的版本

• PyAudio 0.2.11+ (required only if you need to use microphone input, Microphone)

需要安装PyAudio 0.2.11+的版本

• PocketSphinx (required only if you need to use the Sphinx recognizer, recognizer_instance.recognize_sphinx)

需要安装PocketSphinx

• Google API Client Library for Python (required only if you need to use the Google Cloud Speech API, recognizer_instance.recognize_google_cloud)

需要使用Google API Client Library for Python

• FLAC encoder (required only if the system is not x86-based Windows/Linux/OS X)

需要安装FLAC encoder，