语音识别学习笔记2024

AI算法网奇

已于 2024-08-28 00:07:50 修改

阅读量736

点赞数 8

分类专栏：深度学习基础文章标签：音视频人工智能

于 2024-04-26 16:02:17 首次发布

本文链接：https://blog.csdn.net/jacke121/article/details/138221832

版权

深度学习基础专栏收录该内容

175 篇文章 17 订阅

订阅专栏

本文介绍了Python库librosa用于音频特征提取的方法，以及如何结合Wav2Vec2模型进行音频转为特征向量。同时展示了如何使用SpeechRecognition进行语音识别的基本操作。

摘要由CSDN通过智能技术生成

dragonfly

阿里达摩院FunASR：一款高效的端到端语音识别工具包

不错的功能介绍

librosa安装

语音识别

dragonfly

阿里达摩院FunASR：一款高效的端到端语音识别工具包

不错的功能介绍

librosa，一个很有趣的 Python 库！ - 简书

音频转特征向量

GitHub - librosa/librosa: Python library for audio and music analysis

librosa安装

2024.04.27 测试ok Win11系统

pip install librosa

import os

import numpy as np
from transformers import Wav2Vec2Processor, Wav2Vec2Model
import torch

import librosa


def load_example_input(audio_path, processor=None):
    if processor is None:
        processor = Wav2Vec2Processor.from_pretrained("facebook/wav2vec2-base-960h")

    speech_array, sampling_rate = librosa.load(os.path.join(audio_path), sr=16000)

    audio_feature = np.squeeze(processor(speech_array, sampling_rate=sampling_rate).input_values)

    audio_feature = np.reshape(audio_feature, (-1, audio_feature.shape[0]))

    return torch.FloatTensor(audio_feature)


audio_path=r'demo/wav/man.wav'


load_example_input(audio_path)

语音识别

pip install SpeechRecognition

pip install pyaudio

import librosa
import speech_recognition as sr

# 录制音频
r = sr.Recognizer()
with sr.Microphone() as source:
    print("请开始说话...")
    audio = r.listen(source)

# 将音频转换为文本
try:
    text = r.recognize_google(audio)
    print("识别结果：", text)
except sr.UnknownValueError:
    print("无法识别音频")
except sr.RequestError as e:
    print(f"请求出错：{e}")