使用Python中的wav文件录制音频和语音到文本的转换

Question

我正在尝试录制音频并将其转换为python中的文本。以下是我的代码。

import speech_recognition as sr
import sounddevice as sd
import numpy as np
import os
from scipy.io.wavfile import write
fs = 44100  # Sample rate
seconds = 15  # Duration of recording
print("Start recording the answer.....")
myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=2)
sd.wait()  # Wait until recording is finished
write('output.wav', fs, myrecording.astype(np.int16))  # Save as WAV file in 16-bit format
recognizer = sr.Recognizer()
sound = "output.wav"
with sr.AudioFile(sound) as source:
recognizer.adjust_for_ambient_noise(source)
print("Converting the answer to text...")
audio = recognizer.listen(source)
try:
text = recognizer.recognize_google(audio)
print("The converted text:" + text)
except Exception as e:
print('Exception',e)

当我播放output.wav文件时，里面什么都没有。因此语音到文本的转换也会出现异常。有人能给出一个解决方案吗？提前谢谢。

Answer 1

我会尝试加载另一个wav文件，分别测试声音设备和语音识别器部分。我正在做类似的事情，双方单独工作，但由于声音设备在float 32中写入波形，所以一起出现了问题，而且speech_recognizer似乎需要int32。也许在转换为int16的地方出了问题。如果你使用大胆，你确定它的沉默吗？我试着用wavio来写文件，但从文档中看不出采样宽度应该是多少。

更新：通过在开头添加以下行，我可以让sounddevice录制音频以使用sound_recognition库：sounddevice.default.dtype='int32', 'int32'输入和输出的默认值都是float32。出于某种原因，我不明白，只更改输出并不能解决问题。声音文件或科幻作品的文件写作。此外，大胆仍然认为wav是float32……我认为bc可能发生了其他事情，当我从大胆导出文件时，标头看起来与不兼容的文件相同，但speech_recognizer接受了它。