用python直接调用asr技术_Python 处理 ASR（语音识别）

Python 处理 ASR(语音识别)

相关包：python_speech_features

这个库提供了一般的用于ASR(语音识别)的语音特征，他包含了MFCCs(梅尔倒谱系数)和 filterbank energies(滤波器组能量？)。

支持的特征：

python_speech_features.mfcc() - 梅尔倒谱系数 python_speech_features.fbank() - 滤波器组能量(？) python_speech_features.logfbank() - 对数滤波器组能量 python_speech_features.ssc() - 子带频谱质心特征 使用MFCC特征：

from python_speech_features import mfcc

from python_speech_features import logfbank

import scipy.io.wavfile as wav

(rate,sig) = wav.read("file.wav")

mfcc_feat = mfcc(sig,rate)

fbank_feat = logfbank(sig,rate)

print(fbank_feat[1:3,:])

从这里你可以把特征写入一个文件

python_speech_features模块提供的函数

mfcc

python_speech_features.base.mfcc(signal, samplerate=16000, winlen=0.025, winstep=0.01, numcep=13, nfilt=26, nfft=512, lowfreq=0, highfreq=None, preemph=0.97, ceplifter=22, appendEnergy=True, winfunc=>)

计算一个音频信号的MFCC特征

参数：

signal - 需要用来计算特征的音频信号，应该是一个N*1的数组

samplerate - 我们用来工作的信号的采样率

winlen - 分析窗口的长度，按秒计，默认0.025s(25ms)

winstep - 连续窗口之间的步长，按秒计，默认0.01s(10ms)

numcep - 倒频谱返回的数量，默认13

nfilt - 滤波器组的滤波器数量，默认26

nfft - FFT的大小，默认512

lowfreq - 梅尔滤波器的最低边缘，单位赫兹，默认为0

highfreq - 梅尔滤波器的最高边缘，单位赫兹，默认为采样率/2

preemph - 应用预加重过滤器和预加重过滤器的系数，0表示没有过滤器，默认0.97

ceplifter -