Xử lý các loại âm thanh khác nhau

Xử lý Ngôn ngữ Nói bằng Python

Daniel Bourke

Machine Learning Engineer/YouTube Creator

Ngôn ngữ nào?

# Tạo đối tượng nhận dạng
recognizer = sr.Recognizer()

# Truyền âm thanh tiếng Nhật vào recognize_google
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="en-US")

# In văn bản
print(text)

Ohio gozaimasu

Ngôn ngữ nào?

# Tạo đối tượng nhận dạng
recognizer = sr.Recognizer()

# Truyền âm thanh tiếng Nhật vào recognize_google
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="ja")

# In văn bản
print(text)

おはようございます

Âm thanh phi lời nói

# Import tệp tiếng gầm báo đốm
leopard_roar = sr.AudioFile("leopard_roar.wav")

# Chuyển AudioFile thành AudioData
with leopard_roar as source:
    leopard_roar_audio = recognizer.record(source)

# Nhận dạng AudioData
recognizer.recognize_google(leopard_roar_audio)

UnknownValueError:

Âm thanh phi lời nói

# Import tệp tiếng gầm báo đốm
leopard_roar = sr.AudioFile("leopard_roar.wav")

# Chuyển AudioFile thành AudioData
with leopard_roar as source:
    leopard_roar_audio = recognizer.record(source)

# Nhận dạng AudioData với show_all bật
recognizer.recognize_google(leopard_roar_audio,
                            show_all=True)

[]

Hiển thị tất cả

# Nhận dạng tiếng Nhật với show_all=True
text = recognizer.recognize_google(japanese_good_morning, 
                                   language="en-US",
                                   show_all=True)
# In văn bản
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}

Nhiều người nói

# Import một tệp âm thanh có nhiều người nói
multiple_speakers = sr.AudioFile("multiple-speakers.wav")

# Chuyển AudioFile thành AudioData
with multiple_speakers as source:
    multiple_speakers_audio = recognizer.record(source)

# Nhận dạng AudioData
recognizer.recognize_google(multiple_speakers_audio)

một hạn chế của thư viện nhận dạng giọng nói là không
phân biệt được người nói/giọng khác nhau và sẽ trả về tất cả như một khối 
văn bản

Nhiều người nói

# Nhập các tệp âm thanh riêng lẻ
speakers = [sr.AudioFile("s0.wav"), sr.AudioFile("s1.wav"), sr.AudioFile("s2.wav")]

# Phiên âm từng người nói
for i, speaker in enumerate(speakers):
    with speaker as source:
        speaker_audio = recognizer.record(source)
    print(f"Text from speaker {i}: {recognizer.recognize_google(speaker_audio)}")

Text from speaker 0: one of the limitations of the speech recognition library
Text from speaker 1: is that it doesn't recognise different speakers and voices
Text from speaker 2: it will just return it all as one block a text

Âm thanh nhiễu

Nếu bạn nghe không rõ, API cũng vậy

# Import tệp âm thanh có tiếng ồn nền
noisy_support_call = sr.AudioFile(noisy_support_call.wav)

with noisy_support_call as source:
    # Điều chỉnh tiếng ồn môi trường và ghi âm
    recognizer.adjust_for_ambient_noise(source, 
                                        duration=0.5)
    noisy_support_call_audio = recognizer.record(source)

# Nhận dạng âm thanh
recognizer.recognize_google(noisy_support_call_audio)

hello ID like to get some help setting up my calories

Ayo berlatih!

Xử lý Ngôn ngữ Nói bằng Python