语音识别和python入门

Question

我想知道从哪里可以开始语音识别。不是用一个库或任何相当“黑匣子”的东西，而是我想知道在哪里可以制作一个简单的语音识别脚本。我做了一些搜索，发现的不多，但我看到的是，有一些“发音”或音节的字典可以拼凑成文本。所以基本上我的问题是从哪里开始？

此外，由于这有点乐观，我也可以在我的程序中使用一个库（目前）。我看到一些语音到文本库和API只给出一个结果。这是可以的，但它是不负责任的。我目前的程序已经检查了所有输入的文本的语法和所有内容，因此，如果我不得不说，前十名的结果来自语音到文本软件，那么它可以检查每一个，排除任何没有意义的结果。

Answer 1

Pocketsphenx也是一个不错的选择。通过SWIG提供了Python绑定，可以轻松地集成到脚本中。

例如：

from os import environ, path
from itertools import izip

from pocketsphinx import *
from sphinxbase import *

MODELDIR = "../../../model"
DATADIR = "../../../test/data"

# Create a decoder with certain model
config = Decoder.default_config()
config.set_string('-hmm', path.join(MODELDIR, 'hmm/en_US/hub4wsj_sc_8k'))
config.set_string('-lm', path.join(MODELDIR, 'lm/en_US/hub4.5000.DMP'))
config.set_string('-dict', path.join(MODELDIR, 'lm/en_US/hub4.5000.dic'))
decoder = Decoder(config)

# Decode static file.
decoder.decode_raw(open(path.join(DATADIR, 'goforward.raw'), 'rb'))

# Retrieve hypothesis.
hypothesis = decoder.hyp()
print 'Best hypothesis: ', hypothesis.best_score, hypothesis.hypstr

print 'Best hypothesis segments: ', [seg.word for seg in decoder.seg()]

# Access N best decodings.
print 'Best 10 hypothesis: '
for best, i in izip(decoder.nbest(), range(10)):
    print best.hyp().best_score, best.hyp().hypstr

# Decode streaming data.
decoder = Decoder(config)
decoder.start_utt('goforward')
stream = open(path.join(DATADIR, 'goforward.raw'), 'rb')
while True:
    buf = stream.read(1024)
    if buf:
        decoder.process_raw(buf, False, False)
    else:
        break
decoder.end_utt()
print 'Stream decoding result:', decoder.hyp().hypstr

Answer 2

如果您真的想从头开始理解语音识别，请为python寻找一个好的信号处理包，然后独立于软件阅读语音识别。

但是语音识别是一个极其复杂的问题（基本上是因为我们说话时声音以各种方式相互作用）。即使你从一个最好的语音识别库开始着手，你也绝不会发现自己什么都不用做。

Answer 3

因为google关闭了它的平台

--

你可以用https://pypi.python.org/pypi/pygsr

$> pip install pygsr

用法示例：

from pygsr import Pygsr
speech = Pygsr()
# duration in seconds
speech.record(3)
# select the language
phrase, complete_response = speech.speech_to_text('en_US')

print phrase