从0开始语音识别

为了实现声音锁要开始新的python学习了
学习资料：
从0开始语言识别
课堂讲义提取码：n15l

第一课 r.recognize_google()

第一步百度云下载
Step2
放到C盘用户的Administrator
别问，只有放在这里我才会在jupyter里打开

Step3
导入库
没有的需要pip install一下

介绍一下recognition云辨识的API

这里面只有google不需要key

Step4
科学上网

Step5
在jupyter上运行程序
demo1.一问一答

import speech_recognition
def listenTo():
 r = speech_recognition.Recognizer()
 with speech_recognition.Microphone() as source:
  r.adjust_for_ambient_noise(source)#处理噪声
  audio = r.listen(source)
 return r.recognize_google(audio,language='zh')
import gtts
from gtts import gTTS
import tempfile#模块专门用于创建临时文件和临时目录
from gtts import gTTS#将文字转化为语音内容
from pygame import mixer#用于加载和播放声音的pygame模块
mixer.init()#初始化混音器模块
def speak(sentence):
    with tempfile.NamedTemporaryFile(delete=True) as fp:
        tts = gTTS(text=sentence, lang='zh-tw')#这个没有zh
        tts.save("{}.mp3".format(fp.name))
        mixer.music.load('{}.mp3'.format(fp.name))
        mixer.music.play()
#建立字典类型
Answer = {
  '你好吗'    : '我很好',
  '你很帅'    : '谢谢啦 !',
  '再见了'    : '下次见了! 再聊 ! 拜拜'
}
speak(Answer.get(listenTo(), '对不起，听不清楚 ! 请再说一遍，谢谢啦 ! 再回答你'))

demo2.其他的读文件、语音识别、播放

import speech_recognition as sr
#print(sr.__version__)
r = sr.Recognizer()
harvard = sr.AudioFile('D:/BaiduNetdiskDownload/sr課程_01/audio_files/harvard.wav')
with harvard as source:
    audio = r.record(source)#将文件读进来
#print(type(audio))
print(r.recognize_google(audio))
#接下来看噪音的影响
import playsound
import simpleaudio as sa
wave_obj = sa.WaveObject.from_wave_file("D:/BaiduNetdiskDownload/sr課程_01/audio_files/harvard.wav") # harvard.wav
play_obj = wave_obj.play()
play_obj.wait_done()
wave_obj = sa.WaveObject.from_wave_file("D:/BaiduNetdiskDownload/sr課程_01/audio_files/jackhammer.wav") # jackhammer.wav
play_obj = wave_obj.play()
play_obj.wait_done()
harvard = sr.AudioFile('D:/BaiduNetdiskDownload/sr課程_01/audio_files/jackhammer.wav')
with harvard as source:
    audio = r.record(source)
print(r.recognize_google(audio))
#使用麦克风
import pyaudio
mic = sr.Microphone()
with mic as source:
    r.adjust_for_ambient_noise(source)
    audio = r.listen(source)
r.recognize_google(audio)

第二课 KNN Audio Classification

把ab音频做特征提取，两种语音是有距离的，因此归成两类，然后标ab，然后训练模型，做一个二元分类

第三课 ChatBot

第四课 DTW-MFCC

DTW-动态时间扭曲（衡量两个时间之间相似度的方法）

MFCC-梅尔频率倒谱系数-从语音信号中提取出来的特征
人耳对不同频率的听觉灵敏度不同，在梅尔的标度范围提取倒谱系数

第五课 RNN

循环神经网络，基于先前的计算参考，微调
文字资料库
统计机器翻译