语音识别是计算机软件识别口语中的单词和短语，并将其转换为可读文本的能力。那么如何在Python中将语音转换为文本？如何使用SpeechRecognition 库在Python中将语音转换为文本？我们不需要从头开始构建任何机器学习模型，该库为我们提供了各种著名的公共语音识别API的便捷包装。
使用pip安装库：
pip3 install SpeechRecognition
Okey，打开一个新的Python文件并导入它：
import speech_recognition as sr
从文件读取
确保当前目录中有一个包含英语语音的音频文件（如果您想跟我一起学习，请在此处获取音频文件）：
filename = "speech.wav"
该文件是从 LibriSpeech 数据集中获取的，但是您可以带上任何想要的东西，只需更改文件名，就可以初始化语音识别器：
# initialize the recognizer
r = sr.Recognizer()
以下代码负责加载音频文件，并使用Google Speech Recognition将语音转换为文本：
# open the filewith sr.AudioFile(filename) as source:
# listen for the data (load audio to memory)
audio_data = r.record(source)
# recognize (convert from speech to text)
text = r.recognize_google(audio_data)
print(text)
这需要几秒钟才能完成，因为它将文件上传到Google并获取了输出，这是我的结果：
I believe you're just talking nonsense
从麦克风读取
这需要在您的计算机中安装PyAudio，以下是取决于您的操作系统的安装过程：
视窗
您可以点安装它：
pip3 install pyaudio的Linux
您需要首先安装依赖项：
sudo apt-get install python-pyaudio python3-pyaudio
pip3 install pyaudio
苹果系统
您需要先安装portaudio，然后才可以点安装它：
brew install portaudio
pip3 install pyaudio
现在，让我们使用麦克风转换语音：
with sr.Microphone() as source:
# read the audio data from the default microphone
audio_data = r.record(source, duration=5)
print("Recognizing...")
# convert speech to text
text = r.recognize_google(audio_data)
print(text)
这会从您的麦克风听到5秒钟，然后尝试将该语音转换为文本！
它与先前的代码非常相似，但是我们在这里使用Microphone()对象从默认麦克风读取音频，然后在record()函数中使用duration参数在5秒后停止读取，然后上传音频数据向Google获取输出文本。
您还可以在record()函数中使用offset参数在偏移几秒钟后开始记录。
另外，您可以通过将语言参数传递给accept_google()函数来识别不同的语言。例如，如果您想识别西班牙语语音，则可以使用：
text = r.recognize_google(audio_data, language="es-ES")
在此stackoverflow答案中查看支持的语言 。
通过上述介绍，如何在Python中将语音转换为文本相信大家已经清楚了吧，想了解更多关于Python的信息，请继续关注。
