杰森·罗斯韦尔在 Unsplash 上的照片
它被称为语音或语音识别。它包括通过采样、人工神经网络、机器学习使音频信号有意义。
我们非常了解这些做法。苹果 Siri，谷歌助手，亚马逊 Alexa 等应用程序在我们大多数人身上都有。这些应用当然是遥遥领先的，并且有严肃的工程背景。除了使声音信号在其应用中有意义之外，还使用 NLP - 自然语言处理算法。
语音转文本，语音转文本的过程，是创建语音助手的第一步。所以首先，我们希望应用程序能够理解我们在说什么，对吗？如果它能发送声音，它理解它的引擎为文本，处理这个声音数据的第一步就结束了。在本文中，我们将通过 Python 并通过使用几个库来实现两个应用程序，并将重点放在语音到文本部分。
在这个应用中，我们将尝试将音频文件转换成文本。将音频文件转换成文本尤其是数据科学的主题之一。例如，您可以通过处理语音来创建聊天机器人，或者通过运行 NLP 来对呼叫中心的记录进行分类。
我们的前端库，演讲识别库，我们将在那里处理我们的声音。从这个库名可以理解，它是基于语音识别的，与很多 API 进行通信。
该库支持的 API 有:
让我们开始编码吧！
1-让我们安装语音识别模块。
pip install SpeechRecognition
2-让我们下载库。
import speech_recognition as sr
3-让我们将识别器分配给将执行识别过程的变量。
r = sr.Recognizer()
4-让我们创建我们的音频文件。
在创建音频文件之前，了解该库支持哪些文件类型是非常重要的。支持的格式如下。
- 声音资源文件
- AIFF
- AIFF-C
- 无损音频编解码器
如果我们使用 mp3、m4a 或其他类型的音乐，那也没关系。我们可以使用音频文件转换器网站。我在这个过程中使用了 zamzar 。我们上传现有的文件，并以. wav 格式输出。
zamzar.com
我们将创建的声音文件赋给 file 变量。
file = sr.AudioFile(‘deneme.wav’)
现在，我们可以将声音转换成文本。
with file as source:
r.adjust_for_ambient_noise(source)
audio = r.record(source)
result = r.recognize_google(audio,language=’tr’)
print(result)
这里我们使用了 recognize_google 方法。这个方法使用了谷歌云语音 API 。此外，我们已经将语言设置为 language = 'tr '，以便它可以更好地感知土耳其语的声音。
6-运行代码，我们的输出现在已经准备好了。
在我们的例子中，我们将我们的小文件，我们称之为“deneme deneme”(土耳其语单词)，放入声音处理，结果正是我们所期望的。
你也可以看到，它可以转换更复杂和更长的音频文件到文本很容易。为此，您可以记录不同长度和复杂性的声音，将它们分配给文件变量，并体验结果。
在这个应用程序中，我们将尝试使用计算机的麦克风将这些声音立即转换成文本。为此，我们将再次使用speecher recognition库。我们还有一个新模块。 Pyaudio 。该模块需要能够接收声音。
开始编码吧！
1-让我们加载模块
pip install SpeechRecognition
pip install pyaudio
如果你在 mac 上这么做，你必须把它安装在 portaudio 上。我们将用酿造来做这件事。
brew install portaudio
pip install pyaudio
如果您在之前的应用程序中下载了 SpeechRecognition，则无需再次下载。
2-让我们下载库并将识别器赋给变量。
import speech_recognition as sr
r = sr.Recognizer()
同样，如果您在之前的应用程序中执行了这些步骤，您不需要执行这些步骤。
3-让我们把声音转换成文本。
with sr.Microphone() as source:
r.adjust_for_ambient_noise(source)
data = r.record(source, duration=5)
print(“Sesinizi Tanımlıyor…”)
text = r.recognize_google(data,language=’tr’)
print(text)
我们在使用音频文件创建的应用程序中引入了这个文件作为源。这里我们引入麦克风作为源，为此，我们使用 sr.Microphone()方法。同样，我们将语言设置为土耳其语。如果我们愿意，我们可以调整音频收听时间。在本例中，它被设置为 5 秒。如果我们愿意，我们可以把秒钟保持得更长。
4-运行代码，我们的输出现在已经准备好了。
我们重复了五秒钟的“Merhaba Dünya”(土耳其语单词)循环，结果如下。你可以看到它适用于更长的句子。
为了理解该模块如何工作，我们可以更好地了解引擎如何使用 show_all = True 选项来生成替代项。
text = r.recognize_google(data,show_all=True,language=’tr’)
我们实现的这两个应用是声音处理的两个简单例子。我们所做的和我们使用的源是谷歌云语音 API 。有可能为这些应用程序添加更多内容。如果你想以某种方式在你的项目中使用声音，研究和专门研究这些模块是很容易的。特别是如果数据科学家想要处理音频文件并在机器学习项目中使用它们，他们可以在预处理数据阶段使用这些库。我希望这两个应用程序是有用的初步信息。感谢您的阅读！
我的 Linkedin 个人资料；
[## ONUR OKYOL - Bahcesehir 大学-土耳其| LinkedIn
www.linkedin.com](https://www.linkedin.com/in/onur-okyol-ba253b72/)