numpy - 我可以从 python SpeechRecognition 中的 numpy 数组进行识别吗？

Question

我正在记录一个 numpy 数组 dt然后通过这样的代码将其写入 .wav:

dt = np.int16(dt/np.max(np.abs(dt)) * 32767)
scipy.io.wavfile.write("tmp.wav", samplerate, dt)

之后我阅读并通过代码识别

import speech_recognition as sr
r = sr.Recognizer()
with sr.AudioFile("tmp.wav") as source:
    audio_text = r.listen(source)
    return r.recognize_google(audio_text, language = lang)

我可以在不使用 wav 的情况下从 numpy 数组中进行识别吗？因为它需要额外的时间

Answer 1

假设这是您正在使用的模块，并且根据 its documentation ，您可以将任何类似文件的对象传递给 AudioFile() 。类文件对象是支持读写操作的对象。

您应该能够将 wav 文件的字节表示粘贴到支持这些操作的 io.BytesIO 对象中，并将其传递到您的语音识别模块中。 scipy.io.wavfile.write() 支持写入此类文件类对象。

我没有包或任何 WAV 文件来测试它，但如果这样的东西有效，请告诉我:

wav_bytes = io.BytesIO()
scipy.io.wavfile.write(wav_bytes, samplerate, dt)
with sr.AudioFile(wav_bytes) as source:
    ...