语音转文本 - 虚拟物联网设备

在本课程的这一部分中，你将编写代码，使用语音服务将从麦克风捕获的语音转换为文本。

将语音转换为文本

在Windows、Linux和macOS上，可以使用语音服务Python SDK来监听你的麦克风，并将检测到的任何语音转换为文本。它会持续监听，检测音频水平，并在音频水平下降时（例如，一段语音结束时）发送语音以进行文本转换。

任务 - 将语音转换为文本

1. 在计算机上创建一个名为 smart-timer 的文件夹，并在其中创建一个单一文件，命名为 app.py 和一个Python虚拟环境。

2. 安装语音服务的Pip包。确保你在终端中激活了虚拟环境后安装该包。

    pip install azure-cognitiveservices-speech
   ​

   ⚠️ 如果你收到以下错误：

   ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
   ERROR: No matching distribution found for azure-cognitiveservices-speech
   ​

   你需要更新Pip。通过运行以下命令来更新Pip，然后再次尝试安装该包。

   pip install --upgrade pip
   ​

3. 向 app.py 文件添加以下导入语句：

    import requests
    import time
    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
   ​

   这些导入语句用于识别语音的一些类。

4. 添加以下代码来声明一些配置：

    speech_api_key = '<key>'
    location = '<location>'
    language = '<language>'
   
    recognizer_config = SpeechConfig(subscription=speech_api_key,
                                     region=location,
                                     speech_recognition_language=language)
   ​

   替换 <key> with the API key for your speech service. Replace <location> with the location you used when you created the speech service resource.

   Replace <language> with the locale name for language you will be speaking in, for example en-GB for English, or zn-HK for Cantonese. You can find a list of the supported languages and their locale names in the Language and voice support documentation on Microsoft docs.

   This configuration is then used to create a SpeechConfig 对象，这将用于配置语音服务。

5. 添加以下代码来创建一个语音识别器：

    recognizer = SpeechRecognizer(speech_config=recognizer_config)
   ​

6. 语音识别器在一个后台线程上运行，监听音频并将其中的语音转换为文本。你可以使用回调函数获取文本——定义一个函数并传递给识别器。每当检测到语音时，都会调用回调函数。添加以下代码来定义一个回调函数，并将其传递给识别器，同时定义一个处理文本的函数，将文本输出到控制台：

    def process_text(text):
        print(text)
   
    def recognized(args):
        process_text(args.result.text)
   
    recognizer.recognized.connect(recognized)
   ​

7. 识别器只有在显式启动时才会开始监听。添加以下代码来启动识别器。这将在后台运行，因此你的应用程序也需要一个无限循环，以保持应用程序运行。

    recognizer.start_continuous_recognition()
   
    while True:
        time.sleep(1)
   ​

8. 运行这个应用。对着麦克风说话，音频将被转换为文本并输出到控制台。

    (.venv) ➜  smart-timer python3 app.py
    Hello world.
    Welcome to IoT for beginners.
   ​

   尝试不同类型的句子，包括听起来相同但意思不同的词。例如，如果你正在用英语说话，说“我想买两个香蕉和一个苹果”，注意它会根据单词的上下文而不是声音正确地使用to、two和too。

你可以在 code-speech-to-text/virtual-iot-device 文件夹中找到此代码。

你的语音转文本程序成功了！

声明:
本文件灏天文库团队进行了翻译。尽管我们力求准确，但请注意，翻译可能包含错误或不准确之处。原文档以其原始语言为准。我们不对因使用此翻译而产生的任何误解或误译负责。