Vấn đề từ python

Cách thức hoạt động của tính năng Nhận dạng giọng nói – Tổng quan

Trước khi chúng ta tìm hiểu sâu về nhận dạng giọng nói trong Python, hãy dành một chút thời gian để nói về cách hoạt động của nhận dạng giọng nói. Một cuộc thảo luận đầy đủ sẽ lấp đầy một cuốn sách, vì vậy tôi sẽ không làm bạn nhàm chán với tất cả các chi tiết kỹ thuật ở đây. Trên thực tế, phần này không phải là điều kiện tiên quyết cho phần còn lại của hướng dẫn. Nếu bạn muốn đi thẳng vào vấn đề, thì cứ thoải mái bỏ qua

Nhận dạng giọng nói bắt nguồn từ nghiên cứu được thực hiện tại Bell Labs vào đầu những năm 1950. Các hệ thống ban đầu chỉ giới hạn ở một người nói và có lượng từ vựng giới hạn khoảng một chục từ. Các hệ thống nhận dạng giọng nói hiện đại đã đi một chặng đường dài kể từ các đối tác cổ đại của chúng. Họ có thể nhận ra lời nói từ nhiều người nói và có vốn từ vựng khổng lồ trong nhiều ngôn ngữ

Tất nhiên, thành phần đầu tiên của nhận dạng giọng nói là giọng nói. Lời nói phải được chuyển đổi từ âm thanh vật lý thành tín hiệu điện bằng micrô, sau đó thành dữ liệu kỹ thuật số bằng bộ chuyển đổi tương tự sang kỹ thuật số. Sau khi được số hóa, một số mô hình có thể được sử dụng để chuyển âm thanh thành văn bản

Hầu hết các hệ thống nhận dạng giọng nói hiện đại đều dựa trên cái được gọi là Mô hình Markov ẩn (HMM). Cách tiếp cận này hoạt động dựa trên giả định rằng tín hiệu giọng nói, khi được xem trong khoảng thời gian đủ ngắn (ví dụ: mười mili giây), có thể được ước lượng một cách hợp lý như một quá trình cố định—nghĩa là một quá trình trong đó các thuộc tính thống kê không thay đổi theo thời gian

Trong một HMM điển hình, tín hiệu tiếng nói được chia thành các đoạn 10 mili giây. Phổ công suất của từng đoạn, về cơ bản là biểu đồ công suất của tín hiệu dưới dạng hàm tần số, được ánh xạ tới một vectơ số thực được gọi là hệ số cepstral. Kích thước của vectơ này thường nhỏ—đôi khi thấp bằng 10, mặc dù các hệ thống chính xác hơn có thể có kích thước từ 32 trở lên. Đầu ra cuối cùng của HMM là một chuỗi các vectơ này

Để giải mã lời nói thành văn bản, các nhóm vectơ được khớp với một hoặc nhiều âm vị—đơn vị cơ bản của lời nói. Tính toán này đòi hỏi phải được đào tạo, vì âm thanh của một âm vị thay đổi từ người nói này sang người nói khác và thậm chí thay đổi từ cách phát biểu này sang cách phát biểu khác của cùng một người nói. Sau đó, một thuật toán đặc biệt được áp dụng để xác định từ (hoặc các từ) có khả năng tạo ra chuỗi âm vị nhất định

Người ta có thể tưởng tượng rằng toàn bộ quá trình này có thể tốn kém về mặt tính toán. Trong nhiều hệ thống nhận dạng giọng nói hiện đại, mạng thần kinh được sử dụng để đơn giản hóa tín hiệu giọng nói bằng cách sử dụng các kỹ thuật chuyển đổi tính năng và giảm kích thước trước khi nhận dạng HMM. Trình phát hiện hoạt động giọng nói (VAD) cũng được sử dụng để giảm tín hiệu âm thanh xuống chỉ những phần có khả năng chứa lời nói. Điều này ngăn bộ nhận dạng lãng phí thời gian phân tích các phần không cần thiết của tín hiệu

May mắn thay, là một lập trình viên Python, bạn không phải lo lắng về bất kỳ điều gì trong số này. Một số dịch vụ nhận dạng giọng nói có sẵn để sử dụng trực tuyến thông qua API và nhiều dịch vụ trong số này cung cấp Python SDK

Chọn gói nhận dạng giọng nói Python

Một số gói nhận dạng giọng nói tồn tại trên PyPI. Một vài trong số họ bao gồm

• apiai
• lắp ráp
• google-cloud-speech
• nhân sư móc túi
• Nhận dạng giọng nói
• watson-nhà phát triển-đám mây
• mưu mẹo

Một số gói này—chẳng hạn như wit và apiai—cung cấp các tính năng tích hợp sẵn, chẳng hạn như xử lý ngôn ngữ tự nhiên để xác định ý định của người nói, vượt xa tính năng nhận dạng giọng nói cơ bản. Những người khác, như google-cloud-speech, chỉ tập trung vào chuyển đổi lời nói thành văn bản

Có một gói nổi bật về tính dễ sử dụng. Nhận dạng giọng nói

Nhận dạng giọng nói yêu cầu đầu vào âm thanh và Nhận dạng giọng nói giúp truy xuất đầu vào này thực sự dễ dàng. Thay vì phải xây dựng tập lệnh để truy cập micrô và xử lý tệp âm thanh từ đầu, Nhận dạng giọng nói sẽ giúp bạn thiết lập và chạy chỉ trong vài phút

Thư viện SpeechRecognition hoạt động như một trình bao bọc cho một số API giọng nói phổ biến và do đó cực kỳ linh hoạt. Một trong số đó—Google Web Speech API—hỗ trợ khóa API mặc định được mã hóa cứng vào thư viện SpeechRecognition. Điều đó có nghĩa là bạn có thể rời khỏi đôi chân của mình mà không cần phải đăng ký dịch vụ

Tính linh hoạt và dễ sử dụng của gói SpeechRecognition khiến nó trở thành lựa chọn tuyệt vời cho bất kỳ dự án Python nào. Tuy nhiên, hỗ trợ cho mọi tính năng của từng API mà nó bao bọc không được đảm bảo. Bạn sẽ cần dành thời gian nghiên cứu các tùy chọn có sẵn để tìm hiểu xem Nhận dạng giọng nói có hoạt động trong trường hợp cụ thể của bạn không

Vì vậy, bây giờ bạn đã chắc chắn rằng mình nên dùng thử Nhận dạng giọng nói, bước tiếp theo là cài đặt nó trong môi trường của bạn

Cài đặt SpeechRecognition

SpeechRecognition tương thích với Python 2. 6, 2. 7 và 3. 3+, nhưng yêu cầu một số. Đối với hướng dẫn này, tôi sẽ cho rằng bạn đang sử dụng Python 3. 3+

Bạn có thể cài đặt SpeechRecognition từ một thiết bị đầu cuối với pip

$ pip install SpeechRecognition

Sau khi cài đặt, bạn nên xác minh cài đặt bằng cách mở phiên thông dịch và gõ

>>>

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Ghi chú. Số phiên bản bạn nhận được có thể thay đổi. Phiên bản 3. 8. 1 là mới nhất tại thời điểm viết

Tiếp tục và giữ phiên này mở. Bạn sẽ bắt đầu làm việc với nó chỉ trong chốc lát

SpeechRecognition sẽ hoạt động tốt nếu tất cả những gì bạn cần làm là làm việc với các tệp âm thanh hiện có. Tuy nhiên, các trường hợp sử dụng cụ thể yêu cầu một số phụ thuộc. Đáng chú ý, gói PyAudio là cần thiết để thu đầu vào micrô

Bạn sẽ thấy những phụ thuộc nào bạn cần khi đọc thêm. Bây giờ, hãy đi sâu vào và khám phá những điều cơ bản của gói

Lớp học Traceback (most recent call last): File "", line 1, in TypeError: recognize_google() missing 1 required positional argument: 'audio_data' 1

Tất cả điều kỳ diệu trong SpeechRecognition xảy ra với lớp

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Tất nhiên, mục đích chính của một phiên bản

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Tạo một phiên bản

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>>

>>> r = sr.Recognizer()

Mỗi phiên bản

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  6. Bài phát biểu của Microsoft Bing

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  7. Google Web Speech API

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  8. Google Cloud Speech - yêu cầu cài đặt gói google-cloud-speech

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  9. Houndify của SoundHound

• >>> harvard = sr.AudioFile('harvard.wav')
  >>> with harvard as source:
  ..    audio = r.record(source)
  ...
  

  0. Bài phát biểu thành văn bản của IBM

• >>> harvard = sr.AudioFile('harvard.wav')
  >>> with harvard as source:
  ..    audio = r.record(source)
  ...
  

  1. CMU Sphinx - yêu cầu cài đặt PocketSphinx

• >>> harvard = sr.AudioFile('harvard.wav')
  >>> with harvard as source:
  ..    audio = r.record(source)
  ...
  

  2. Mưu mẹo. ai

Trong số bảy, chỉ có

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

Một cuộc thảo luận đầy đủ về các tính năng và lợi ích của từng API nằm ngoài phạm vi của hướng dẫn này. Vì SpeechRecognition cung cấp một khóa API mặc định cho Google Web Speech API, bạn có thể bắt đầu với nó ngay lập tức. Vì lý do này, chúng tôi sẽ sử dụng Web Speech API trong hướng dẫn này. Sáu API khác đều yêu cầu xác thực bằng khóa API hoặc kết hợp tên người dùng/mật khẩu. Để biết thêm thông tin, hãy tham khảo tài liệu SpeechRecognition

thận trọng. Khóa mặc định do SpeechRecognition cung cấp chỉ dành cho mục đích thử nghiệm và Google có thể thu hồi khóa này bất kỳ lúc nào. Không nên sử dụng Google Web Speech API trong sản xuất. Ngay cả với khóa API hợp lệ, bạn sẽ bị giới hạn chỉ 50 yêu cầu mỗi ngày và không có cách nào để tăng hạn ngạch này. May mắn thay, giao diện của SpeechRecognition gần như giống hệt nhau đối với mỗi API, vì vậy những gì bạn học hôm nay sẽ dễ dàng chuyển sang một dự án trong thế giới thực

Mỗi phương pháp

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

Ok, tán gẫu đủ rồi. Hãy làm bẩn tay chúng ta. Hãy tiếp tục và cố gắng gọi cho

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>>

>>> r.recognize_google()

Chuyện gì đã xảy ra thế?

Bạn có thể có một cái gì đó trông giống như thế này

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Bạn có thể đoán điều này sẽ xảy ra. Làm thế nào một cái gì đó có thể được nhận ra từ không có gì?

Tất cả bảy phương thức

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> type(audio)

>>> type(audio)

>>> type(audio)

Có hai cách để tạo một phiên bản

>>> type(audio)

Làm việc với tệp âm thanh

Trước khi tiếp tục, bạn cần tải xuống một tệp âm thanh. Cái mà tôi đã từng bắt đầu, “harvard. wav,” có thể được tìm thấy ở đây. Đảm bảo rằng bạn lưu nó vào cùng thư mục mà phiên thông dịch Python của bạn đang chạy

SpeechRecognition giúp làm việc với các tệp âm thanh dễ dàng nhờ lớp

>>> type(audio)

>>> type(audio)

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> type(audio)

>>> type(audio)

>>> type(audio)

>>> type(audio)

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> type(audio)

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> type(audio)

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> with harvard as source:
..     audio1 = r.record(source, duration=4)
..     audio2 = r.record(source, duration=4)
...
>>> r.recognize_google(audio1)
'the stale smell of old beer lingers'
>>> r.recognize_google(audio2)
'it takes heat to bring out the odor a cold dip'

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> type(audio)

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> type(audio)

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> with harvard as source:
..     audio1 = r.record(source, duration=4)
..     audio2 = r.record(source, duration=4)
...
>>> r.recognize_google(audio1)
'the stale smell of old beer lingers'
>>> r.recognize_google(audio2)
'it takes heat to bring out the odor a cold dip'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> with harvard as source:
..     audio1 = r.record(source, duration=4)
..     audio2 = r.record(source, duration=4)
...
>>> r.recognize_google(audio1)
'the stale smell of old beer lingers'
>>> r.recognize_google(audio2)
'it takes heat to bring out the odor a cold dip'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> with harvard as source:
..     audio1 = r.record(source, duration=4)
..     audio2 = r.record(source, duration=4)
...
>>> r.recognize_google(audio1)
'the stale smell of old beer lingers'
>>> r.recognize_google(audio2)
'it takes heat to bring out the odor a cold dip'

>>> type(audio)

>>> type(audio)

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> type(audio)

Làm việc với micrô

Để truy cập micrô của bạn bằng SpeechRecognizer, bạn sẽ phải cài đặt gói PyAudio. Hãy tiếp tục và đóng phiên phiên dịch hiện tại của bạn và hãy làm điều đó

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r = sr.Recognizer()

>>> r = sr.Recognizer()

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r = sr.Recognizer()

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r = sr.Recognizer()

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r = sr.Recognizer()

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> type(audio)

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r = sr.Recognizer()

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r = sr.Recognizer()

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> r = sr.Recognizer()

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> r.recognize_google(audio)
'the stale smell of old beer lingers it takes heat
to bring out the odor a cold dip restores health and
zest a salt pickle taste fine with ham tacos al
Pastore are my favorite a zestful food is the hot
cross bun'

>>> r = sr.Recognizer()

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Để tất cả chúng cùng nhau. Trò chơi “Đoán chữ”

Bây giờ bạn đã thấy kiến ​​thức cơ bản về nhận dạng giọng nói với gói SpeechRecognition, hãy vận dụng kiến ​​thức mới tìm được của bạn và viết một trò chơi nhỏ chọn một từ ngẫu nhiên trong danh sách và cho người dùng ba lần thử đoán từ đó

Đây là kịch bản đầy đủ

>>> r = sr.Recognizer()

Hãy phá vỡ điều đó một chút

Hàm

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Đầu tiên, hàm kiểm tra xem các đối số

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Phương pháp

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Phương pháp

>>> with harvard as source:
..     audio = r.record(source, duration=4)
...
>>> r.recognize_google(audio)
'the stale smell of old beer lingers'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Tiếp theo,

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Bạn có thể kiểm tra hàm

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>>

>>> r.recognize_google()

Bản thân trò chơi khá đơn giản. Đầu tiên, một danh sách các từ, số lần đoán tối đa được phép và giới hạn nhắc nhở được khai báo

>>> r.recognize_google()

Tiếp theo, một phiên bản

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Sau khi in một số hướng dẫn và đợi trong 3 ba giây, một vòng lặp

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Nếu khóa

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Khi vòng lặp

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Nếu không có bất kỳ lỗi nào, phiên âm được so sánh với từ được chọn ngẫu nhiên. Phương pháp

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Nếu đoán đúng, người dùng thắng và trò chơi kết thúc. Nếu người dùng không chính xác và có bất kỳ lần thử nào còn lại, vòng lặp

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> r.recognize_google()

Khi chạy, đầu ra sẽ trông giống như thế này

>>> r.recognize_google()

Tóm tắt và Tài nguyên bổ sung

Trong hướng dẫn này, bạn đã biết cách cài đặt gói SpeechRecognition và sử dụng lớp

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> type(audio)

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Bạn đã thấy ảnh hưởng của tiếng ồn đối với độ chính xác của bản chép lời và đã học cách điều chỉnh độ nhạy của phiên bản

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Nhận dạng giọng nói là một chủ đề sâu sắc và những gì bạn đã học được ở đây hầu như không làm trầy xước bề mặt. Nếu bạn muốn tìm hiểu thêm, đây là một số tài nguyên bổ sung

Tiền thưởng miễn phí. mà bạn có thể sử dụng làm cơ sở cho các ứng dụng nhận dạng giọng nói của riêng mình

Để biết thêm thông tin về gói SpeechRecognition

• thư viện tham khảo
• ví dụ

Một vài tài nguyên internet thú vị

• Đằng sau Mic. Khoa học nói chuyện với máy tính. Một bộ phim ngắn về xử lý giọng nói của Google
• Quan điểm lịch sử về nhận dạng giọng nói của Huang, Baker và Reddy. Truyền thông của ACM (2014). Bài viết này cung cấp một cái nhìn sâu sắc và học thuật về sự phát triển của công nghệ nhận dạng giọng nói
• Quá khứ, hiện tại và tương lai của công nghệ nhận dạng giọng nói của Clark Boyd tại The Startup. Bài đăng trên blog này trình bày tổng quan về công nghệ nhận dạng giọng nói, với một số suy nghĩ về tương lai

Một số sách hay về nhận dạng giọng nói

• Tiếng nói trong máy. Xây dựng máy tính hiểu lời nói, Pieraccini, MIT Press (2012). Một cuốn sách dành cho độc giả phổ thông có thể truy cập bao gồm lịch sử cũng như những tiến bộ hiện đại trong xử lý giọng nói
• Nguyên tắc cơ bản của nhận dạng giọng nói, Rabiner và Juang, Prentice Hall (1993). Rabiner, một nhà nghiên cứu tại Bell Labs, là người có công trong việc thiết kế một số bộ nhận dạng giọng nói khả thi về mặt thương mại đầu tiên. Cuốn sách này hiện đã hơn 20 năm, nhưng rất nhiều nguyên tắc cơ bản vẫn giữ nguyên
• Nhận dạng giọng nói tự động. Phương pháp học sâu, Yu và Deng, Springer (2014). Yu và Deng là nhà nghiên cứu tại Microsoft và cả hai đều rất tích cực trong lĩnh vực xử lý giọng nói. Cuốn sách này đề cập đến rất nhiều phương pháp tiếp cận hiện đại và nghiên cứu tiên tiến nhưng không dành cho những người yếu tim về toán học.

ruột thừa. Nhận dạng giọng nói bằng các ngôn ngữ khác ngoài tiếng Anh

Xuyên suốt hướng dẫn này, chúng ta đã nhận dạng giọng nói bằng tiếng Anh, đây là ngôn ngữ mặc định cho mỗi phương pháp

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

Để nhận dạng giọng nói ở một ngôn ngữ khác, hãy đặt đối số từ khóa

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> harvard = sr.AudioFile('harvard.wav')
>>> with harvard as source:
..    audio = r.record(source)
...

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'

Chỉ các phương pháp sau chấp nhận một đối số từ khóa

>>> import speech_recognition as sr
>>> sr.__version__
'3.8.1'

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  6

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  7

• Traceback (most recent call last):
    File "", line 1, in 
  TypeError: recognize_google() missing 1 required positional argument: 'audio_data'
  

  8

• >>> harvard = sr.AudioFile('harvard.wav')
  >>> with harvard as source:
  ..    audio = r.record(source)
  ...
  

  0

• >>> harvard = sr.AudioFile('harvard.wav')
  >>> with harvard as source:
  ..    audio = r.record(source)
  ...
  

  1

Để biết thẻ ngôn ngữ nào được API bạn đang sử dụng hỗ trợ, bạn sẽ phải tham khảo tài liệu tương ứng. Có thể tìm thấy danh sách các thẻ được chấp nhận bởi

Traceback (most recent call last):
  File "", line 1, in 
TypeError: recognize_google() missing 1 required positional argument: 'audio_data'