Python语音识别产生不好的结果

Question

我正在尝试让我的语音识别脚本正常工作，但它无法理解我的意思。

import pyaudio
import speech_recognition as sr

def initSpeech():
    r = sr.Recognizer()

    with sr.Microphone() as source:
        r.adjust_for_ambient_noise(source, duration=2)
        print("Set minimum energy threshold to {}".format(r.energy_threshold))
        print("Say something")

        audio = r.listen(source, phrase_time_limit=10)

        command = ""
        try:
            command = r.recognize_google(audio)
        except:
            print("Coundn't understand you!")

        print(command)

initSpeech()

这是我用来识别我的声音的代码，但它总是打印出 "Couldn't understand you!" 当我使用带有以下脚本的 python 录制我的声音并将 wave 文件作为输入时语音识别效果很好:

import pyaudio
import wave

CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT,
                channels=CHANNELS,
                rate=RATE,
                input=True,
                frames_per_buffer=CHUNK)

print("* recording")

frames = []

for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
    data = stream.read(CHUNK)
    frames.append(data)

print("* done recording")

stream.stop_stream()
stream.close()
p.terminate()

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()

此脚本用于录制我的声音，然后使用此文件“output.wav”作为语音识别的输入。

编辑:

与，

with open("microphone-results.wav", "wb") as f:
        f.write(audio.get_wav_data())

我录下了我的声音，这将被分析。它听起来真的很糟糕，低沉而缓慢，就像在带有语音转换器的糟糕电影中一样。也许这是解决方案的提示。我已经检查了 chuck_size 和 sample_rate 的设置，它们与我上面的记录脚本中的设置相同。我的系统:Windows 10

github上也有一个issue github issue 358

python :3.6

感谢您的帮助!

Answer 1

您的录音明显没有录好，导致识别失败。我的猜测是 r.adjust_for_ambient_noise 让你失望了(自动语音/静音检测器实现起来并不简单)。从删除这一行开始，手动设置

r.energy_threshold = 50
r.dynamic_energy_threshold = False

之后，将录制的音频保存为.WAV 文件并收听。在将音频发送到 ASR 引擎之前，您必须先让音频清晰。

此外，我建议您确保您使用的是您打算使用的麦克风

print(Microphone.list_microphone_names()[0])