本地语音文件转文字

语音识别技术是近年来得到了很大发展的一个领域。通过对语音信号进行处理，使计算机能够识别并转换为文字信息。本文介绍了如何使用Python语言将本地的语音文件转换为文字。

语音文件格式

目前常见的语音文件格式有 WAV、MP3、FLAC 等。其中，WAV 则是最为常见的一种格式，因为它的文件容量比较大，但是转换时的处理速度是最快的。下面是一份转换音频文件的 Python 代码。

准备：

安装所需的依赖库：

pip install pyaudio
pip install SpeechRecognition

然后导入这些库：

import speech_recognition as sr
import os

一些参数：

# 使用麦克风获取音频源
r = sr.Recognizer()
mic = sr.Microphone()

# 定义音频文件地址
audio_file = "test.wav"

利用麦克风获取音频源：

with mic as source:
    print("开始说话...")
    r.adjust_for_ambient_noise(source)  # 消除环境噪声
    audio = r.listen(source)

将获取到的音频源存储为一个WAV格式的文件：

with open(audio_file, "wb") as f:
    f.write(audio.get_wav_data())
print("音频文件已经保存为：{}".format(audio_file))

最后，调用第三方库SpeechRecognition中的 recognizer() API，将语音转换为文本：

# 使用speech_recognition库将音频文件转换为文本
try:
    text = r.recognize_google(audio, language='zh-CN')
    print("您的话是：{}".format(text))
except Exception as e:
    print("音频识别失败，原因是：{}".format(e))

下面是完整的代码，你可以试着运行一下：

import speech_recognition as sr
import os

# 使用麦克风获取音频源
r = sr.Recognizer()
mic = sr.Microphone()

# 定义音频文件地址
audio_file = "test.wav"


def main():
    with mic as source:
        print("开始说话...")
        r.adjust_for_ambient_noise(source)  # 消除环境噪声