利用Python和API轻松实现：语音转文字，文字转语音

利用Python和API轻松实现：语音转文字，文字转语音。

语音转文字（支持实时麦克风输入和从音频文件读入）：

• 百度 API
• 科大讯飞 API
• SpeechRecognition (CMU PocketSphinx)

文字转语音：

• pyttsx3

Environment

• Python 3.6.7
• MacOS（以下环境配置方式均基于Mac系统，其他系统的配置方式可能会有一些不同）

Speech to Text

百度

在https://cloud.baidu.com/product/speech 申请API。

文档：http://ai.baidu.com/docs/ASR-API

Configuration

安装：

pipinstall baidu-aip

在 speech_to_text_baidu() 中填入APPID、API_KEY、SECRET_KEY：

APP_ID=""API_KEY=""SECRET_KEY=""

(也可以直接使用REST API：Demo

Usage

fromSpeech_and_Textimportspeech_to_text_baidu从文件读入speech_to_text_baidu(audio_path ="path_of_audio", if_microphone =False)从麦克风读入speech_to_text_baidu(if_microphone =True)

科大讯飞

在https://xfyun.cn/services/voicedictation 申请API。

文档：https://doc.xfyun.cn/rest_api/index.html

Configuration

在 speech_to_text_ifly() 填入 APPID、API_KEY：

URL="http://api.xfyun.cn/v1/service/v1/iat"APPID=""API_KEY=""

要在讯飞管理面板中添加调用方api，否则会报错。

Usage

fromSpeech_and_Textimportspeech_to_text_ifly从文件读入speech_to_text_ifly(audio_path ="path_of_audio", if_microphone =False)从麦克风读入speech_to_text_ifly(if_microphone =True)

SpeechRecognition

使用了Python的语音识别库 SpeechRecognition

源码：https://github.com/Uberi/speech_recognition

Configuration

SpeechRecognition

安装：

pipinstall SpeechRecognition

PyAudio

使用麦克风进行输入

主页：http://people.csail.mit.edu/hubert/pyaudio/

Mac上的安装方式xcode-select--install	 安装xcode, 已经装好的的话，执行的时候会提示先用homebrew安装portaudio（pyaudio需要的库），否则会提示：portaudio.h file not foundbrew remove portaudio先用homebrew卸载brewinstallportaudio重新安装sudo pipinstallpyaudio安装pyaudio

Reference: https://stackoverflow.com/questions/33851379/pyaudio-installation-on-mac-python-3

PocketSphinx

CMU Sphinx 是卡内基梅隆大学开发的开源语音识别引擎，可以离线工作，支持多种语言（包括中文）。

源码：https://github.com/cmusphinx

PocketSphinx 是 CMU Sphinx 的 Python 封装接口。

源码：https://github.com/cmusphinx/pocketsphinx-python

安装：

pipinstall PocketSphinx

添加中文语言包：

查看 SpeechRecognition 包的安装路径（/path）：

python-c"importspeech_recognitionassr,os.pathasp;print(p.dirname(sr.__file__))"

然后下载并解压 Mandarin Chinese 语言包，把 zh-CN 文件夹放入 /path/pocketsphinx-data 中

Usage

fromSpeech_and_Textimportspeech_to_text_cmu从文件读入speech_to_text_cmu(audio_path ="path_of_audio", if_microphone =False)从麦克风读入speech_to_text_cmu(if_microphone =True)

Text to Speech

使用了Python的文字转语音库 pyttsx3

源码：https://github.com/nateshmbhat/pyttsx3

文档：https://pyttsx3.readthedocs.io

Configuration

pipinstallpyttsx3
pipinstallpyobjc依赖模块

Usage

fromSpeech_and_Textimporttext_to_speechExampletext_to_speech(sentence ="人类的本质是复读机")

源码下载地址：https://github.com/Renovamen/Speech-and-Text/archive/master.zip