如何使用 Python 中的 API 提高语音到文本转换的准确性recognize_sphinx

Question

我们如何在 Python 中使用 API 提高语音到文本转换的准确性recognize_sphinx？

请找到下面的代码，需要提高精度基础！

import speech_recognition as sr
# Obtain path to "english.wav" in the same folder as this script
from os import path
AUDIO_FILE = path.join(path.dirname(path.realpath(file)), "english.wav")
AUDIO_FILE = path.join(path.dirname(path.realpath(file)), "french.aiff")
AUDIO_FILE = path.join(path.dirname(path.realpath(file)), "chinese.flac")
# Use the audio file as the audio source
r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
audio = r.record(source) # Read the entire audio file
# Recognize speech using Sphinx
try:
print("Sphinx thinks you said " + r.recognize_sphinx(audio))
except sr.UnknownValueError:
print("Sphinx could not understand audio")
except sr.RequestError as e:
print("Sphinx error; {0}".format(e))

Answer 1

因此，如果我理解正确，那么您很难根据用户(或者在您的情况下是音频文件)所说的内容获得正确的输出。 例如，音频/用户会说"你好！"输出可能是"完全不同的东西"。

查看您的代码时，我注意到您正在使用三种不同的音频文件。每个文件都使用不同的语言。当您打开语音识别的文档时，您将看到有一个库引用。在此库参考中，将有关于使用 PocketSphinx 的说明。首先要突出的是：

默认情况下，语音识别的狮身人面像功能仅支持美国英语。其他语言包也可用，但由于文件太大而不包括在内

我想您已经为此安装了所有需要的软件包。我不打算解释这部分，因为它是不言自明的。无论如何，文档还解释说您可以：

安装后，您只需使用 recognizer_instance.recognize_sphinx 的语言参数指定语言即可。例如，法语将指定为"fr-FR"，普通话将指定为"zh-CN"。

我不确定上面的代码是否是你的，或者你只是从某个地方复制并粘贴它。无论如何，您的代码存在一些问题。您不断用另一个文件覆盖AUDIO_FILE变量。因此，您获取的路径不是"获取与此脚本位于同一文件夹中的"English.wav"路径，而是获取"chinese.flac"的路径。

现在，我想您已经知道"语音到文本的准确性"可能存在什么问题。它正在"听"中文并试图将其输出为英语单词。这是不言自明的...

要解决此问题，只需添加一个语言参数并将其设置为您希望指定它的语言。 例如，

import speech_recognition as sr
# Obtain path to "chinese.flac" in the same folder as this script
from os import path
# AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), "english.wav")
# AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), "french.aiff")
AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), "chinese.flac")
# Use the audio file as the audio source
r = sr.Recognizer()
with sr.AudioFile(AUDIO_FILE) as source:
audio = r.record(source)  # Read the entire audio file
# Recognize speech using Sphinx
try:
# Just pass a language parameter
print("Sphinx thinks you said " + r.recognize_sphinx(audio, language="zh-CN"))
except sr.UnknownValueError:
print("Sphinx could not understand audio")
except sr.RequestError as e:
print("Sphinx error; {0}".format(e))