构建自己的听力词库（python实现语音识别单词与停顿分割）_predictor.predict语音识别停顿

想要构建自己的听力词库，把听力材料中不需要的词去掉，根据我提供的变化的词单截出来单词语音来练习。

使用windows，pycharm。

环境配置

• speech_recognition：为了达到语音识别（只适用于wav文件）
• pocketsphinx: 可选，为了使用speech_recognition的recognize_sphinx()音频识别，使用Google的就不需要安装这个
• pydub：为了实现别的音频格式转wav
• ffmpeg：为了使用pydub来转

pip install SpeechRecognition
pip install pydub
1
2

ffmpeg：
官网：http://www.ffmpeg.org/
现在不像以前有那么多选项了，一个包就搞定：https://blog.csdn.net/qq_39382753/article/details/115939665
然后注意安装要重启cmd或者pycharm才生效配置

pocketsphinx：
https://www.lfd.uci.edu/~gohlke/pythonlibs/#pocketsphinx
搜索pocketsphin
下载对应的版本到本地即可（python 3.7就下cp37）
然后直接pip install 你下载的.wheel就可以啦

数据格式转化

def convert_mp3_to_wav(filename,savename):
	'''
    将MP3格式转成wav格式
    :param filename: x.mp3文件
    :param savename: x.wav文件
    :return: sound
    '''
    from pydub import AudioSegment
    sound = AudioSegment.from_mp3(filename)
    sound.export(savename, format="wav")
    return sound
1
2
3
4
5
6
7
8
9
10
11

语音识别

参考https://www.cnblogs.com/zhe-hello/p/13273523.html，
我比较了recognize_google()和recognize_sphinx() ，google会识别更准

def recognize_word(filename):
    '''
    打印wav文件的转写结果
    :param filename: wav文件
    :return: 转写结果 str
    '''
    import speech_recognition as sr
    r = sr.Recognizer()
    with sr.AudioFile(filename) as source:
        audio = r.record(source)  # read the entire audio file
    res = r.recognize_google(audio)  # 注意要挂梯子哦
    res1 = res.split(" ")
    result=" ".join(res1)
    print(result,type(result))
    return result
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Google识别结果：draft version version rewrite rewrite revise revise
1

Google的可以说全对

sphinx识别结果：draft version we write we write you guys you guys 
1

sphinx的结果看得我一脸问号

将语音分割成单词或词组

参考https://blog.csdn.net/wangqianqianya/article/details/89605298

def split_to_chunks_by_slience(sound,savedir='word_wav'):
    from pydub.silence import split_on_silence
    import os
    if not os.path.exists(savedir):
        os.mkdir(savedir)
    chunks = split_on_silence(sound,
                              # must be silent for at least half a second,沉默半秒
                              min_silence_len=430,
                              
1
2
3
4
5
6
7
8