Gestire tipi diversi di audio

Elaborazione del linguaggio parlato in Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Quale lingua?

# Crea un riconoscitore
recognizer = sr.Recognizer()

# Passa l'audio giapponese a recognize_google
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="en-US")

# Stampa il testo
print(text)

Ohio gozaimasu

Quale lingua?

# Crea un riconoscitore
recognizer = sr.Recognizer()

# Passa l'audio giapponese a recognize_google
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="ja")

# Stampa il testo
print(text)

おはようございます

Audio non vocale

# Importa il file audio del ruggito del leopardo
leopard_roar = sr.AudioFile("leopard_roar.wav")

# Converti AudioFile in AudioData
with leopard_roar as source:
    leopard_roar_audio = recognizer.record(source)

# Riconosci l'AudioData
recognizer.recognize_google(leopard_roar_audio)

UnknownValueError:

Audio non vocale

# Importa il file audio del ruggito del leopardo
leopard_roar = sr.AudioFile("leopard_roar.wav")

# Converti AudioFile in AudioData
with leopard_roar as source:
    leopard_roar_audio = recognizer.record(source)

# Riconosci l'AudioData con show_all attivo
recognizer.recognize_google(leopard_roar_audio,
                            show_all=True)

[]

Mostrare tutto

# Riconoscere audio giapponese con show_all=True
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="en-US",
                                   show_all=True)
# Stampa il testo
print(text)

{'alternative': [{'transcript': 'Ohio gozaimasu', 'confidence': 0.89041114},
  {'transcript': 'all hail gozaimasu'},
  {'transcript': 'ohayo gozaimasu'},
  {'transcript': 'olho gozaimasu'},
  {'transcript': 'all Hale gozaimasu'}],
 'final': True}

Più speaker

# Importa un file audio con più speaker
multiple_speakers = sr.AudioFile("multiple-speakers.wav")

# Converti AudioFile in AudioData
with multiple_speakers as source:
    multiple_speakers_audio = recognizer.record(source)

# Riconosci l'AudioData
recognizer.recognize_google(multiple_speakers_audio)

uno dei limiti della libreria di riconoscimento vocale è che non
riconosce speaker e voci diverse: restituisce tutto in un unico blocco
di testo

Più speaker

# Importa i file audio separatamente
speakers = [sr.AudioFile("s0.wav"), sr.AudioFile("s1.wav"), sr.AudioFile("s2.wav")]

# Trascrivi ogni speaker singolarmente
for i, speaker in enumerate(speakers):
    with speaker as source:
        speaker_audio = recognizer.record(source)
    print(f"Testo dallo speaker {i}: {recognizer.recognize_google(speaker_audio)}")

Testo dallo speaker 0: uno dei limiti della libreria di riconoscimento vocale
Testo dallo speaker 1: è che non riconosce speaker e voci diverse
Testo dallo speaker 2: restituisce tutto in un unico blocco di testo

Audio rumoroso

Se fai fatica a capire l'audio, anche le API avranno problemi

# Importa un file audio con rumore di fondo
noisy_support_call = sr.AudioFile(noisy_support_call.wav)

with noisy_support_call as source:
    # Regola per il rumore ambientale e registra
    recognizer.adjust_for_ambient_noise(source, 
                                        duration=0.5)
    noisy_support_call_audio = recognizer.record(source)

# Riconosci l'audio
recognizer.recognize_google(noisy_support_call_audio)

ciao vorrei un aiuto per impostare le mie calorie

Vamos praticar!

Elaborazione del linguaggio parlato in Python