Python进行语音识别

以下是使用Python进行语音识别的最简核心代码示例，涵盖两种主流方法（预训练模型 & 底层信号处理），均需安装依赖库：

---

1. 使用预训练模型（最快实现，依赖speech_recognition库）

import speech_recognition as sr

r = sr.Recognizer()
with sr.Microphone() as source:          # 调用麦克风
    print("请说话...")
    audio = r.listen(source)             # 录制语音
    text = r.recognize_google(audio, language='zh-CN')  # 调用Google API转文字
    print("识别结果:", text)

核心逻辑：

• listen()捕获音频流 → recognize_google()调用云端API识别（需联网）。
• 优点：5行代码实现，准确率高。
• 缺点：依赖网络，隐私性差。

---

2. 使用本地模型（whisper库，离线可用）

import whisper

model = whisper.load_model("tiny")       # 加载轻量模型（可选small/base/large）
result = model.transcribe("audio.wav")   # 识别音频文件
print(result["text"])                    # 输出文字

核心逻辑：

• load_model()加载预训练模型 → transcribe()本地推理。
• 优点：离线运行，支持多语言。
• 缺点：首次需下载模型（tiny模型约75MB）。

---

3. 底层信号处理（纯NumPy演示，仅傅里叶变换）

import numpy as np
from scipy.io import wavfile

sample_rate, audio = wavfile.read("audio.wav")  # 读取音频
fft = np.fft.fft(audio)                        # 傅里叶变换获取频域特征

核心逻辑：

• 音频转为频谱 → 后续需接分类器（如CNN）识别内容。
• 用途：教学理解语音信号处理基础。

---

关键库总结

库名	用途	安装命令
speech_recognition	调用云端API（Google等）	pip install SpeechRecognition
whisper	本地高精度识别（OpenAI开源）	pip install openai-whisper
librosa	专业音频分析	pip install librosa

---

选择建议

• 快速实现：用speech_recognition（需联网）或whisper（离线）。
• 学习原理：用librosa+numpy分析MFCC特征（需机器学习基础）。
• 生产环境：结合whisper+VAD（语音活动检测）优化实时性。