python 语音识别深度学习_用Python实现语音识别的终极指南

目录语音识别的工作原理

Python语音识别软件包的选择

安装语音识别包

识别器类

使用音频文件

支持的文件类型

使用record()来捕获文件中的数据

具有偏移和持续时间的段的捕获

噪声对语音识别的影响

用麦克风工作

麦克风类

使用Listen()捕获麦克风输入

处理不可识别的语音

综合：一个“猜单词”游戏

补充和补充资源

附录：用英语以外的语言识别语音

语音识别的工作原理

语音识别起源于20世纪50年代初在贝尔实验室进行的研究。早期的系统仅限于一个说话者，并且有大约10个单词的词汇量有限。现代语音识别系统自远古以来就有很长的路要走。他们可以识别来自多个发言者的讲话，并且在许多语言中有海量的词汇。

当然，语音识别的第一个组成部分是语音。语音必须用麦克风从物理声音转换成电信号，然后用模数转换器转换成数字数据。一旦数字化，可以使用几个模型来转录音频到文本。

大多数现代语音识别系统依赖于所谓的隐性马尔可夫模型(HMM)。这种方法的假设是，当在足够短的时间尺度上(例如，10毫秒)观看语音信号时，可以合理地近似为一个平稳过程，即统计特性随时间不改变的过程。

在一个典型的HMM中，语音信号被划分为10毫秒片段。每个片段的能谱，实质上是信号的功率作为频率的函数的图，被映射为实数向量，称为倒频谱参数。该向量的维数通常很小，有时低到10，尽管更精确的系统可以具有32或更多的维数。HMM的最终输出是这些向量的序列。

为了将语音解码成文本，向量组与一个或多个音素(音位)匹配，这是基本的