Python 语音到 mikrofon 流中的文本

Question

我想用 python 编写自己的语音助手，然后在 rapsberry pi 上运行它。我要做的第一步是转录 microfon 流的语音。 因此，我希望麦克风收到的语音立即转换为文本，以便我可以检查该文本中是否有信号词，例如“嘿 Siri”。

我已经尝试过大部分 STT API，例如语音识别、耳语和 Google Cloud Speech_To_Text。我遇到的问题是他们在直播期间没有转录。例如，语音识别会等到我停止说话为止。然后将录制的音频文件发送到服务器并进行转录。这花了很长时间。

有什么想法吗？

Answer 1

您在这里试图解决的具体问题是流音频的实时转录。 Python 的

SpeechRecognition

库能够执行此操作，但需要一些额外的操作。请参阅此问题了解更多信息。