python如何将录音转为文本

在当今社会，语音识别技术的应用越来越广泛，很多场景下都需要将录音转换为文本，Python作为一种功能强大的编程语言，可以轻松实现这一需求，下面我将详细介绍如何使用Python将录音转换为文本。

我们需要准备一些工具和库，以下是本文将使用到的工具和库：

1、Python环境：确保你的电脑上已安装Python，并配置好环境变量。

2、wave库：用于读取和写入WAV音频文件。

python如何将录音转为文本

3、pyaudio库：用于录制音频和播放音频。

4、SpeechRecognition库：一个用于语音识别的Python库。

以下是详细步骤：

安装所需库

在开始之前，我们需要安装所需的第三方库，打开命令行工具，输入以下命令：

pip install pyaudio
pip install SpeechRecognition

录制音频

我们需要将麦克风录入的音频保存为WAV文件，以下是录制音频的代码：

Python

import wave
import pyaudio
设置参数
chunk = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"
创建PyAudio对象
p = pyaudio.PyAudio()
打开流
stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=chunk)
print("开始录音")
frames = []
录音
for i in range(0, int(RATE / chunk * RECORD_SECONDS)):
    data = stream.read(chunk)
    frames.append(data)
print("录音结束")
停止流
stream.stop_stream()
stream.close()
p.terminate()
保存录音文件
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()

代码将录制5秒钟的音频，并保存为output.wav文件。

将音频转换为文本

我们将使用SpeechRecognition库将录制的音频转换为文本，以下是转换代码：

Python

import speech_recognition as sr
创建Recognizer对象
r = sr.Recognizer()
读取音频文件
with sr.AudioFile('output.wav') as source:
    audio = r.record(source)
使用Google语音识别
try:
    text = r.recognize_google(audio, language='zh-CN')
    print("识别结果：", text)
except sr.UnknownValueError:
    print("无法理解音频")
except sr.RequestError as e:
    print("无法请求结果; {0}".format(e))