如何增加 google 演讲 api 的收听时间?

How to increase listen time in google speech api?

我已经使用 google 语音转文本 api 录制语音并将其复制到 .txt 中,但是 Google 语音 api 不会听很长时间(大约 9 秒)有什么方法可以增加这个,或者更好的 api 用于 python 可以边听边写?

import time
import speech_recognition as sr
import sys
import fileinput
r=sr.Recognizer()
#tells the program to use a mic and to listen
with sr.Microphone() as source:
    audio=r.listen(source)
#asking the program to try to listen
try:
    spoken = r.recognize_google(audio)

    print("I heard:"+spoken)

except Exception:
    print ("Somthing went wrong")
#writing what was recorded by the mic into a .txt
with open("name-of-file.txt", "a") as f:
    f.write("\n")
    f.write(time.strftime("%H:%M:%S") + " " + time.strftime("%d/%m/%Y"))
    f.write("\n")
    f.write(spoken)

预期结果: 程序边听边写 或者 该程序可以收听直到关闭。 实际结果: 程序监听大约 9 秒,然后打印到 .txt

语音识别是一个很好的库,但我也不得不与录音长度作斗争。以下是我解决该问题的方法:

将音频保存到磁盘

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.record(source)

优点:与流式传输相比,录制到音频文件然后将更长的块发送到 google 为我提供了更一致的录制长度。

缺点:根据音频文件的大小,这可能会带来将响应时间延长到几秒钟的缺点,这在您的情况下可能无法使用。

最小化本底噪声

您可能已经非常清楚更好的信噪比将提供更好的 STT 准确性 - 但我还发现它对于语音识别库的良好块大小至关重要。

仔细检查您的本底噪声是否很容易与您的声源区分开来。录制音频还可以帮助您解决此问题。有时,使用语音识别库时音频可能会过早中断,因为它无法清楚地检测到您正在说话。

如果无法提高麦克风的质量或接近度,库中包含一个工具,可以校准音频电平以获得最佳的信噪比。

要激活此功能,而不是行:

audio=r.listen(source)

尝试使用:

audio=r.adjust_for_ambient_noise(source)

请注意,此功能在某些情况下会增加少量延迟。在其他情况下,如果您为其提供嘈杂的音频,它将无限期地继续收听。

全部结合起来

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.adjust_for_ambient_noise(source)

这里有一个很好的图书馆指南 - The Ultimate Guide To Speech Recognition With Python