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
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01