語音識別技術(shù)，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(nèi)容轉(zhuǎn)換為相應的文字和文字轉(zhuǎn)換為語音。

一. 文本轉(zhuǎn)換為語音

1.1 使用pyttsx

使用名為pyttsx的python包，可以將文本轉(zhuǎn)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(shù)學和計算機科學研究學會的吉多·范羅蘇姆于1990年代初設(shè)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(zhuǎn)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(shù)學和計算機科學研究學會的吉多·范羅蘇姆于1990年代初設(shè)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(zhuǎn)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(zhuǎn)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(zhuǎn)換為文本

使用PocketSphinx包, PocketSphinx是一個用于語音轉(zhuǎn)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(shè)備做過調(diào)優(yōu)。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(nèi)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(nèi)容。

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

編輯：黃飛

?