### Python 中推荐的语音识别库 在 Python 的生态系统中，有多个优秀的开源库可以实现语音识别的功能。这些库不仅能够完成基本的声音到文本的转换任务，还支持复杂的音频处理需求。 #### 1. SpeechRecognition `SpeechRecognition` 是一个非常流行且易于使用的语音识别库。它支持多种语音识别引擎和服务提供商，包括 Google Web API 和 Sphinx 等。该库的主要特点是简单易用，并且可以通过不同的服务来提高准确性[^2]。 安装方式如下： ```bash pip install SpeechRecognition ``` 代码示例： ```python import speech_recognition as sr r = sr.Recognizer() with sr.AudioFile("audio_file.wav") as source: audio_data = r.record(source) text = r.recognize_google(audio_data, language="en-US") print(text) ``` #### 2. CMU Sphinx CMU Sphinx 是一种离线语音识别解决方案，适合于不需要网络连接的应用场景。它的主要优点在于无需依赖外部服务器即可运行，缺点则是准确率可能低于基于云的服务[^1]。 安装命令为： ```bash pip install pocketsphinx ``` 使用样例： ```python from pocketsphinx import AudioFile, get_model_path model_path = get_model_path() config = { 'hmm': f'{model_path}/en-us', 'lm': f'{model_path}/en-us.lm.bin', 'dict': f'{model_path}/cmudict-en-us.dict' } with AudioFile(file_path='test.wav', **config) as source: for phrase in source: print(phrase) ``` #### 3. DeepSpeech 由 Mozilla 开发的 `DeepSpeech` 提供了一种高性能、开放源码的深度学习模型来进行实时语音转录工作。相比其他传统方法而言，这种方法具有更高的灵活性以及更好的定制化能力。 安装教程可参考官方文档链接：https://github.com/mozilla/DeepSpeech/releases/latest/download/deepspeech-0.9.3-models.pbmm (需下载对应版本) 调用实例： ```python import deepspeech import numpy as np import wave model_file_path = './deepspeech-0.9.3-models.pbmm' beam_width = 500 model = deepspeech.Model(model_file_path, beam_width) wav_file = "./output_audio.wav" w = wave.open(wav_file,'r') rate=h.getframerate() frames=w.readframes(rate) data16=np.frombuffer(frames,dtype=np.int16) text=model.stt(data16) print(f"Transcribed Text: {text}") ``` 以上三个都是目前较为成熟的 python 语音识别框架，开发者可以根据实际项目的需求选择合适的方案。