我们都知道python是一款功能强大的数据分析工具,而且使用起来相对简单,被广泛应用于数据分析,web开发,人工智能等很多领域。语音识别,也叫作自动语音识别,其是以计算机自动将人类的语音内容转换为相应文字为目标。语音识别的应用范围,包括、简单的听写数据录入,语音拨号、语音导航、室内设备控制、语音文档检索等等。当语言识别遇上python,其实现将会变得更简单,快捷。今天小编与大家分享的就是python语音识别的一些基础知识,希望对大家有所帮助。
一、python语音识别原理
语音识别的首要任务是语音,通常通过麦克风,语音就能够从物理声音转换为电信号,之后再被转换为数据。语音一旦被数字化,就能够适用若干模型,最终转换为文本。
目前现代大多数语音识别系统,都是基于隐马尔可夫模型(HMM)。这一模型的工作原理为:语音信号在极短的时间尺度上,例如10 毫秒,能够被近似为静止过程,也就是一个统计特性不随时间变化的过程。而python语音识别技术, 一些服务能够通过 API 在线使用,并且大部分都提供了 Python SDK。
二、选择python 语音识别包
apiai
google-cloud-speech
pocketsphinx
SpeechRcognition
watson-developer-cloud
wit
其中, SpeechRcognition为最便捷的一种。
因为语音识别首先需要输入音频,而 SpeechRecognition 检索音频输入是极为简便快捷的,我们并不需要构建访问麦克风,也不需要从头开始处理音频文件的脚,SpeechRecognition 仅仅几分钟就能自动完成检索并运行。
SpeechRecognition 库能够满足几种主流语音 API ,灵活性非常高。例如: Google Web Speech API 支持硬编码到 SpeechRecognition 库中的默认 API 密钥,不需要注册就能直接使用。因此,SpeechRecognition 由于具有灵活性和易用性的优点,成为编写 Python 程序的最佳选择。
三、python 语音识别
import numpy as np import scipy.io.wavfile as wf import python_speech_features as sf import hmmlearn.hmm as hl # 提取样本信息 train_x,train_y = [],[] mfccs = np.array([]) for sound_files in files_list: for sound_file in sound_files: sample_rate,sigs = wf.read(sound_file) mfcc = sf.mfcc(sigs,sample_rate) # 将mfcc矩阵添加到mfccs中 if len(mfccs) == 0: mfccs == mfcc else: mfccs = np.append(mfccs,mfcc) # 将mfccs矩阵列表添加到训练集中 train_x.append(mfccs) # 最终的train_x len(sound_files)个特征的矩阵 # train_y存的是特征标签,比如:apple,banana,pear # 构建并训练隐马模型 models = {} for mfccs,label in zip(train_x,train_y): model = hl.GaussianHMM( n_components = 4, covariance_type = 'diag', n_iter = 1000 ) models[label] = model.fit(mfccs) # 同样方法获取测试集数据 # 测试 pred_y = [] for mfccs in test_x: # 验证每个模型对当前mfcc的匹配度得分 best_score, best_label = None, None for label, model in models.items(): score = model.score(mfccs) if (best_score is None) or (best_score < score): best_score = score best_label = label pred_y.append(best_label) print(test_y) print(pred_y)
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25