实现语音转文字并显示波形可以分两步进行，先进行语音转文字，再绘制波形。 ### 语音转文字 可以使用`deepspeech`库来实现语音转文字，以下是示例代码： ```python import deepspeech import wave import numpy as np # 模型路径 MODEL_FILE = "deepspeech-0.9.3-models.pbmm" SCORER_FILE = "deepspeech-0.9.3-models.scorer" # 初始化 DeepSpeech 模型 def load_model(): model = deepspeech.Model(MODEL_FILE) model.enableExternalScorer(SCORER_FILE) return model # 音频转文本 def transcribe_audio(audio_path, model): with wave.open(audio_path, "rb") as wf: # 确保音频格式正确 if wf.getnchannels() != 1 or wf.getsampwidth() != 2 or wf.getframerate() != 16000: raise ValueError("音频格式不支持，需为 16kHz 单声道 PCM 格式") # 读取音频数据 frames = wf.readframes(wf.getnframes()) audio_data = np.frombuffer(frames, dtype=np.int16) # 使用 DeepSpeech 模型进行识别 text = model.stt(audio_data) return text # 示例：转换音频文件 if __name__ == "__main__": audio_file = "output.wav" # 替换为您的音频文件路径 model = load_model() try: result = transcribe_audio(audio_file, model) print("转录结果：") print(result) except Exception as e: print(f"转换失败：{e}") ``` 这段代码使用`deepspeech`库将音频文件转换为文本，确保音频文件为 16kHz 单声道 PCM 格式 [^4]。 ### 显示波形 可以使用`matplotlib`库来显示音频波形，以下是示例代码： ```python import wave import numpy as np import matplotlib.pyplot as plt def plot_waveform(audio_path): with wave.open(audio_path, 'rb') as wf: frames = wf.readframes(wf.getnframes()) audio_data = np.frombuffer(frames, dtype=np.int16) time = np.linspace(0, len(audio_data) / wf.getframerate(), num=len(audio_data)) plt.figure(figsize=(10, 4)) plt.plot(time, audio_data) plt.title('Audio Waveform') plt.xlabel('Time (s)') plt.ylabel('Amplitude') plt.show() if __name__ == "__main__": audio_file = "output.wav" # 替换为您的音频文件路径 plot_waveform(audio_file) ``` 这段代码使用`matplotlib`库读取音频文件并绘制其波形。 将上述两个功能结合起来，就可以实现语音转文字并显示波形的功能。