語音識別技術，也被稱為自動語音識別，目標是以電腦自動將以人類的語音內容轉換為相應的文字和文字轉換為語音。

一. 文本轉換為語音

1.1 使用pyttsx

使用名為pyttsx的python包，可以將文本轉換為語音。

安裝pyttsx包

pip install pyttsx3

示例

import?pyttsx3?as?pyttsx
engine?=?pyttsx.init()
engine.say("Python由荷蘭數學和計算機科學研究學會的吉多·范羅蘇姆于1990年代初設計，作為一門叫做ABC語言的替代品。")
engine.runAndWait()

運行之后可以播放語音。

1.2 ?使用SAPI

在python 中，也可以使用SAPI 來將文本轉換為語音。

使用Win32com.client包，不需要另外安裝。

示例

from?win32com.client?import?Dispatch
msg?="Python由荷蘭數學和計算機科學研究學會的吉多·范羅蘇姆于1990年代初設計，作為一門叫做ABC語言的替代品。"
speaker?=?Dispatch("SAPI.SpVoice")
speaker.Speak(msg)
del?speaker

使用SpeechLib可以將文本轉換為語音文件

使用SpeechLib，可以從文本文件中獲取輸入，再將其轉換為語音文件。先使用pip安裝，命令如下：

pip install comtypes

示例

from?comtypes.client?import?CreateObject
from?comtypes.gen?import?SpeechLib
infile?=?'C:\Users\10619\Desktop\fileText.txt'
f?=?open(infile,?'r')
theText?=?f.read()
f.close()

outfile?=?'demo_audio.wav'
engine?=?CreateObject("SAPI.SpVoice")
stream?=?CreateObject("SAPI.SpFileStream")
stream.Open(outfile,SpeechLib.SSFMCreateForWrite)
engine.AudioOutputStream?=?stream
engine.speak(theText)
stream.close()

運行之后，會輸出demo_audio.wav語音文件，打開demo_audio.wav文件并播放。

二. 語音轉換為文本

使用PocketSphinx包, PocketSphinx是一個用于語音轉換文本的開源API。它是一個輕量級的語音識別引擎，盡管在桌面端也能很好的工作，它還專門為手機和移動設備做過調優。首先使用pip命令安裝所需模塊，命令如下：

pip install PocketSphinx
pip install SpeechRecognition

在安裝PocketSphinx 可能會報錯（ERROR: Could not build wheels for pocketsphinx, which is required to install pyproject.toml-based projects）。解決方法：通過查看pip可安裝文件，查看可安裝的文件命令：pip debug --verbose,然后查看Compatible tags: 33下可以安裝的版本。

然后到https://www.lfd.uci.edu/~gohlke/pythonlibs/#pocketsphinx，下載對應版本的whl文件包安裝。

然后再安裝PocketSphinx和SpeechRecognition包。

腳本示例

import?speech_recognition?as?sr
r?=?sr.Recognizer()
audio_file?=?'demo_audio.wav'
with?sr.AudioFile(audio_file)?as?source:
? ?audio?=?r.record(source)
try:
? ?print("文本內容：",r.recognize_sphinx(audio,language='zh-CN'))
? ?#默認會識別為英文，如果要識別中文，需要下載普通話識別文件
except?Exception?as?e:
? ?print(e)

下載普通話識別文件。

下載路徑：https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/Mandarin/

解壓之后，修改文件名稱，cmusphinx-zh-cn-5.2 改為 zh-CN， zh_cn.cd_cont_5000文件夾改為acoustic-model，zh_cn.dic改為pronounciation-dictionary.dict，zh_cn.lm.bin改為language-model.lm.bin。然后移動zn-CN文件夾到python3Libsite-packagesspeech_recognitionpocketsphinx-data下。

運行python之后，可以查看輸出的文本內容。

通過輸出的語音轉換之后的文本和原文本比較發現，語音識別的后文本還是有一定差異的。

編輯：黃飛

?