Python实现语音识别详细教程【2025】最新教程

前言

以下是一份较为完整的 Python 语音识别教程，涵盖环境搭建、使用不同库进行语音识别的示例等内容。

一、环境搭建

语音识别通常会用到 SpeechRecognition 库，它可以调用不同的语音识别引擎。此外，还需要 pyaudio 库来录制音频。

1. 下载 Python

访问 Python 官方网站，根据你的操作系统（Windows、Mac OS、Linux）选择合适的 Python 版本进行下载。建议下载 Python 3.x 版本，因为 Python 2 已经停止维护。

还可以从小编准备地址下载。

Python 3.7下载地址：https://pan.quark.cn/s/8268bf81f31f
Python 3.9下载地址：https://pan.quark.cn/s/9711a93276ad
Python 3.11下载地址：https://pan.quark.cn/s/9c44793cb24c

2. 安装 Python

访问 Python 官方网站（https://www.python.org/），根据自己的操作系统（Windows、MacOS、Linux）下载并安装 Python 3.x 版本。安装过程中注意勾选 “Add Python to PATH”，以便在命令行中能直接使用 Python。

Python 3.7安装教程：https://blog.csdn.net/u014164303/article/details/145620847
Python 3.9安装教程：https://blog.csdn.net/u014164303/article/details/145570561
Python 3.11安装教程：https://blog.csdn.net/u014164303/article/details/145549489

3 使用 pip 安装必要的库

在命令提示符中输入以下命令并回车，以安装 Pandas：

pip install SpeechRecognition
pip install pyaudio

二、使用 SpeechRecognition 库进行语音识别

1.识别本地音频文件

以下是一个识别本地 WAV 格式音频文件的示例代码：。

mport speech_recognition as sr

# 创建一个 Recognizer 对象
r = sr.Recognizer()

# 打开音频文件
with sr.AudioFile('your_audio_file.wav') as source:
    # 读取音频数据
    audio = r.record(source)

try:
    # 使用 Google 语音识别服务进行识别
    text = r.recognize_google(audio, language='zh-CN')
    print("识别结果: " + text)
except sr.UnknownValueError:
    print("无法识别音频内容")
except sr.RequestError as e:
    print(f"请求错误; {e}")

代码解释：

• sr.Recognizer()：创建一个 Recognizer 对象，用于处理音频识别。
• sr.AudioFile(‘your_audio_file.wav’)：打开指定的音频文件。
• r.record(source)：从音频文件中读取音频数据。
• r.recognize_google(audio, language=‘zh-CN’)：使用 Google 语音识别服务- - 对音频数据进行识别，language=‘zh-CN’ 表示使用中文进行识别。

2.实时语音识别

以下是一个实现实时语音识别的示例代码：

import speech_recognition as sr

# 创建一个 Recognizer 对象
r = sr.Recognizer()

# 使用麦克风作为音频输入
with sr.Microphone() as source:
    print("请说话...")
    # 调整环境噪音
    r.adjust_for_ambient_noise(source)
    # 录制音频
    audio = r.listen(source)

try:
    # 使用 Google 语音识别服务进行识别
    text = r.recognize_google(audio, language='zh-CN')
    print("识别结果: " + text)
except sr.UnknownValueError:
    print("无法识别音频内容")
except sr.RequestError as e:
    print(f"请求错误; {e}")

代码解释：

• sr.Microphone()：使用麦克风作为音频输入源。
• r.adjust_for_ambient_noise(source)：调整环境噪音，提高识别准确率。
• r.listen(source)：监听麦克风输入的音频数据。

3. 使用其他语音识别引擎

除了 Google 语音识别服务，SpeechRecognition 库还支持其他语音识别引擎，例如百度语音识别、讯飞语音识别等。
以下是使用百度语音识别的示例代码：

import speech_recognition as sr

# 创建一个 Recognizer 对象
r = sr.Recognizer()

# 打开音频文件
with sr.AudioFile('your_audio_file.wav') as source:
    # 读取音频数据
    audio = r.record(source)

# 百度语音识别的 API Key 和 Secret Key
APP_ID = 'your_app_id'
API_KEY = 'your_api_key'
SECRET_KEY = 'your_secret_key'

try:
    # 使用百度语音识别服务进行识别
    text = r.recognize_baidu(audio, app_id=APP_ID, api_key=API_KEY, secret_key=SECRET_KEY, language='zh')
    print("识别结果: " + text)
except sr.UnknownValueError:
    print("无法识别音频内容")
except sr.RequestError as e:
    print(f"请求错误; {e}")

注意事项

音频格式：不同的语音识别引擎对音频格式有不同的要求，常见的支持格式有 WAV、FLAC 等。
网络连接：如果使用在线语音识别服务（如 Google 语音识别、百度语音识别），需要确保网络连接稳定。
识别准确率：语音识别的准确率受多种因素影响，如语音清晰度、环境噪音等。可以通过调整环境噪音、提高语音质量等方式提高识别准确率。