введение

Технология распознавания речи, также известная как автоматическое распознавание речи, направлена ​​на использование компьютеров для автоматического преобразования содержания человеческой речи в соответствующий текст и текста в речь.

1. Эффект операции

Распознавание речи Python

2. Преобразование текста в речь

2.1 Использование pyttsx3

pyttsx3 — популярная сторонняя библиотека Python для преобразования текста в речь (TTS). Эта библиотека поддерживает несколько операционных систем, включая Windows, Linux и macOS, и может работать без подключения к Интернету, поскольку использует локальный речевой движок, установленный на вашем компьютере.

Основные особенности：

• Кросс-платформенный：Можетсуществовать Запуск в разных операционных системах。
• Работать офлайн：Не зависит от подключения к Интернету。
• Несколько голосов и языков：поддерживать Несколько голосов и языков Параметры。
• Пользовательские настройки：Разрешить пользователям регулировать скорость речи、Громкость и интонация и другие параметры.
• Простой и удобный в использовании：интуитивный API, простой в интеграции и использовании.

Установить：

pip install pyttsx3 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

【Пример】：использовать pyttsx3 Внедрить преобразование текста в речь

import pyttsx3 as pyttsx

engine = pyttsx.init()  # Инициализировать движок
engine.say('Император Пустынных Небес, который деспотичен на протяжении веков, Только девушка Гуйчжоу Хуосан')  # Добавить текст в голосовую очередь
engine.runAndWait()  # Начать голосовой вывод

2.2 Используйте SAPI для преобразования текста в речь

В Python вы также можете использовать SAPI для преобразования текста в речь. В Python библиотека win32com — это модуль, используемый для взаимодействия с компонентами COM (объектная модель компонентов) в операционной системе Windows. Модуль win32com.client предоставляет интерфейс Python для использования автоматизации COM. К любому приложению или службе Windows, поддерживающему автоматизацию COM, можно получить доступ и управлять им с помощью метода win32com.client.Dispatch. Для SAPI (интерфейс прикладного программирования речи) к его функциям можно получить доступ через библиотеку win32com для преобразования текста в речь (TTS) и распознавания речи.

【Пример】：использовать SAPI Внедрить преобразование текста в речь

from win32com.client import Dispatch

msg = «Император Древних Пустынных Небес деспотичен, «Только девушка Хуосан из Гуйчжоу»
speaker = Dispatch('SAPI.SpVoice')  # Создайте экземпляр голосового движка SAPI.
speaker.Speak(msg)  # Преобразуйте текст в голос и прочитайте его вслух
del speaker  # удалить speaker объект, освобождает связанные с ним ресурсы.

2.3 Используйте SpeechLib для преобразования текста в речь

SpeechLib — это COM-библиотека для речевых функций, предоставляемая Microsoft. Она позволяет разработчикам разрабатывать преобразование текста в речь (TTS) и распознавание речи на платформах Windows. С помощью SpeechLib вы можете управлять различными свойствами вашего речевого движка, такими как скорость речи, громкость, интонация и используемая речевая библиотека. Используя SpeechLib, вы можете получать входные данные из текстового файла и преобразовывать их в речь.

Использование SpeechLib требует установки сторонней библиотеки: comtypes

Установить Заказ：

pip install comtypes -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

【Пример】：использовать SpeechLib Внедрить преобразование текста в речь демонстрационный файл：

from comtypes.client import CreateObject
from comtypes.gen import SpeechLib  # импортировать SpeechLib
engine = CreateObject("SAPI.SpVoice")  # создавать SAPI.SpVoice Примеры объектов
stream = CreateObject("SAPI.SpFileStream")  # создавать SAPI.SpFileStream Примеры объектов
infile = 'demo.txt'
outfile = 'demo_audio.wav'
stream.Open(outfile, SpeechLib.SSFMCreateForWrite)  # Выходной файл, готовый к записи аудиоданных
engine.AudioOutputStream = stream  # Выходной аудиопоток настроен на stream объект
f = open('demo', 'r', encoding='utf-8')  # Открыть входной текстовый файл
TheText = f.read()  # прочитать файл
f.close()  # закрыть файл
engine.speak(TheText)  # Механизм использования голоса преобразует текст в голос и выводит его.
stream.close()  # Закройте аудиопоток и завершите запись аудиофайла.

3. Преобразуйте речь в текст

3.1 Используйте PocketSphinx для преобразования речи в текст

PocketSphinx — это легкая библиотека распознавания речи, которая является подмножеством системы распознавания речи CMU Sphinx с открытым исходным кодом. CMU Sphinx, разработанная в Университете Карнеги-Меллон, представляет собой мощную и гибкую систему распознавания речи. PocketSphinx особенно подходит для встроенных систем и мобильных устройств, поскольку он небольшой и быстрый, обеспечивая при этом относительно высокую точность распознавания.

PocketSphinx из Основные особенностивключать：

• легкий：Подходит для ограниченных ресурсовизсреда,Например, мобильные устройства и встроенные системы.
• производительность в реальном времени：способный в режиме реального времениизраспознавание речи。
• Простота в использовании：Обеспечивает простойиз API упрощает разработчикам быструю интеграцию и использование.
• Настраиваемый：Разрешить разработчикам настраивать язык по мере необходимости Модельиакустика Модель。

необходимыйизсторонние модули：PocketSphinxиSpeechRecognition Установить Заказ：

pip install PocketSphinx -i https://pypi.tuna.tsinghua.edu.cn/simple some-package pip install SpeechRecognition -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

【Пример】：использовать PocketSphinx Преобразование речи в текст

import speech_recognition as sr

audio_file = 'demo_audio.wav'
r = sr.Recognizer()
with sr.AudioFile(audio_file) as source:
    audio = r.record(source)
try:
    # print('Текстовое содержимое:',r.recouncee_sphinx(audio,language="zh_CN"))
    print('Текстовое содержимое:', r.recognize_sphinx(audio))
except Exception as e:
    print(e)

Если при использовании PocketSphinx вы столкнулись с проблемами, например, сбоем инициализации, необходимо проверить:

• Это уже правильно Установить Pocketsphinx.
• Есть ли в наличии подходящий словарь для языка Модели?
• Иметь достаточные разрешения для доступа к необходимым файлам.
• Соответствует ли система эксплуатационным требованиям PocketSphinx.

После установки voice_recognition китайский язык не поддерживается. Вам необходимо загрузить соответствующую языковую модель китайского языка и языковую модель в наборе инструментов распознавания речи Sphinx. Ссылка для скачивания:

https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/ Поместите загруженную модель допуска китайского языка и языковую модель в установку. Каталог Python\Lib\site-packages\speech_recognition\pocketsphinx-data