来源：《信息时代》的屏幕截图
语音是最常见的交流手段，世界上绝大多数人都依靠语音进行交流。而语音API识别系统能将口头语言转化成文本，因此，生活中有很多语音识别系统的例子。例如，苹果公司的SIRI可以识别语音并将其截取成文本。
语音识别的原理
语音识别过程
隐马尔可夫模型（HMM），即深度神经网络模型被用来将音频转换为文本。本文对此详细流程不进行过多的阐述，在本文中，我将演示如何使用Python将语音转换成文本。这可以在 "语音识别 "API和 "PyAudio "库的帮助下完成。
语音API可以同时支持几个API，在本文中，我使用了谷歌的语音识别API。更多的细节，请查看 此处。它有助于将语音转换为文本的翻译。
Python库
将音频文件转换为文本的步骤：
步骤
- 导入语音识别库
- 初始化识别器类，以便识别语音。我们正在使用的是谷歌语音识别。
- 语音识别支持的音频文件：wav、AIFF、AIFF-C、FLAC。本例中我使用了 "wav "文件。
- 我使用了’taken’电影音频剪辑，电影中里的台词 “我不知道你是谁，我不知道你想要什么，如果你在寻找赎金，我可以告诉你我没有钱”。
- 默认情况下，谷歌识别器读取的语言是英语。但它支持不同的语言，更多细节请查看此文档。
代码
输出
如何转换不同语言的音频？
例如，如果我们想读一个法语的音频文件，那么需要在recogonize_google中添加语言选项。其余的代码保持不变。详情请参考文档。
输出
麦克风语音转化为文本
步骤
- 我们需要安装PyAudio库，它用于通过麦克风和扬声器接收音频输入和输出。通常情况下，它能帮助我们通过麦克风获得声音。
https://jovian.ai/sdhilip/speech-58d6f - 代替音频文件源，我们必须使用麦克风类。其余的步骤都是一样的。
代码
我只说 “你好吗？”
输出
使用不同的语言该怎么办呢？
同样，我们需要在recognition_google()中添加所需的语言选项。我正在用印度语言泰米尔语交谈，并在语言选项中添加了 “ta-IN”。
我只是用泰米尔语说 “你好吗”，它就准确地打印出了泰米尔语的文本。
输出
注意：
谷歌语音API是一种将语音转换为文本的简单方法，但它需要连接互联网来操作。
在本文中，我们已经学习了如何使用谷歌语音API将语音转换成文本。这对NLP项目非常有帮助，特别是处理音频转录数据。如果你想做一些补充，随时欢迎评论～
感谢阅读。
原文作者 Dhilip Subramanian
原文链接 https://towardsdatascience.com/easy-speech-to-text-with-python-3df0d973b426