[PYTHON] Konvertieren Sie Sprache mit dem Azure Speech SDK in Text

Einführung

Lassen Sie uns mithilfe des Azure Speech SDK Sprache in Text konvertieren.

Entwicklungsumgebung

Erkennen Sie die Stimme vom Mikrofon

    1. Melden Sie sich beim Azure-Portal an und erstellen Sie einen Sprachdienst. image.png

  2. Gehen Sie zu der von Ihnen erstellten Ressource und erstellen Sie eine Kopie des Schlüssels und des Speicherorts. image.png

    1. Erstellen Sie eine Python 3.6-Umgebung.
conda create -n py36 python=3.6
conda activate py36

Vier. Installieren Sie die Bibliothek.

pip install azure-cognitiveservices-speech

Fünf. Erstellen Sie ein Programm.

Es ist ein Programm, das das Erkennungsergebnis durch einmalige Spracheingabe anzeigt. Fügen Sie den zuvor kopierten Schlüssel in "YourSubscriptionKey" und den zuvor kopierten Speicherort in "YourServiceRegion" ein. Ich möchte Japanisch erkennen, also setze die Sprache auf "ja-JP".

import azure.cognitiveservices.speech as speechsdk

 Creates an instance of a speech config with specified subscription key and service region.
 Replace with your own subscription key and service region (e.g., "westus").
speech_key, service_region, language = "YourSubscriptionKey", "YourServiceRegion", "ja-JP"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)

 Creates a recognizer with the given settings
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config)

print("Say something...")


 Starts speech recognition, and returns after a single utterance is recognized. The end of a
 single utterance is determined by listening for silence at the end or until a maximum of 15
 seconds of audio is processed.  The task returns the recognition text as result. 
 Note: Since recognize_once() returns only a single utterance, it is suitable only for single
 shot recognition like command or query. 
 For long-running multi-utterance recognition, use start_continuous_recognition() instead.
result = speech_recognizer.recognize_once()

 Checks result.
if result.reason == speechsdk.ResultReason.RecognizedSpeech:
    print("Recognized: {}".format(result.text))
elif result.reason == speechsdk.ResultReason.NoMatch:
    print("No speech could be recognized: {}".format(result.no_match_details))
elif result.reason == speechsdk.ResultReason.Canceled:
    cancellation_details = result.cancellation_details
    print("Speech Recognition canceled: {}".format(cancellation_details.reason))
    if cancellation_details.reason == speechsdk.CancellationReason.Error:
        print("Error details: {}".format(cancellation_details.error_details))

Dies ist ein Programm, das kontinuierlich Sprache eingibt und das Erkennungsergebnis anzeigt. In ähnlicher Weise stellen Sie bitte den Schlüssel, den Ort und die Sprache ein.

import azure.cognitiveservices.speech as speechsdk
import time

 Creates an instance of a speech config with specified subscription key and service region.
 Replace with your own subscription key and service region (e.g., "westus").
speech_key, service_region, language = "YourSubscriptionKey", "YourServiceRegion", "ja-JP"
speech_config = speechsdk.SpeechConfig(
    subscription=speech_key, region=service_region, speech_recognition_language=language)

 Creates a recognizer with the given settings
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config)

print("Say something...")

def recognized(evt):
    print('「{}」'.format(evt.result.text))
    # do something

def start(evt):
    print('SESSION STARTED: {}'.format(evt))

def stop(evt):
    print('SESSION STOPPED {}'.format(evt))

speech_recognizer.recognized.connect(recognized)
speech_recognizer.session_started.connect(start)
speech_recognizer.session_stopped.connect(stop)

try:
    speech_recognizer.start_continuous_recognition()
    time.sleep(60)
except KeyboardInterrupt:
    print("bye.")
    speech_recognizer.recognized.disconnect_all()
    speech_recognizer.session_started.disconnect_all()
    speech_recognizer.session_stopped.disconnect_all()
  1. Führen Sie den folgenden Befehl aus und sprechen Sie mit ihm.
python stt.py

Das Erkennungsergebnis wird wie folgt angezeigt. image.png

Sprache aus Sprachdatei erkennen (.wav)

    1. Die Installationsmethode ist dieselbe wie oben.

  2. Erstellen Sie ein Programm.

Ein Programm, das WAV-Dateien liest und Spracherkennungsergebnisse anzeigt. Stellen Sie den Schlüssel und den Ort ein.

import azure.cognitiveservices.speech as speechsdk

 Creates an instance of a speech config with specified subscription key and service region.
 Replace with your own subscription key and region identifier from here: https://aka.ms/speech/sdkregion
speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)

 Creates an audio configuration that points to an audio file.
 Replace with your own audio filename.
audio_filename = "aboutSpeechSdk.wav"
audio_input = speechsdk.audio.AudioConfig(filename=audio_filename)

 Creates a recognizer with the given settings
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_input)

print("Recognizing first result...")

 Starts speech recognition, and returns after a single utterance is recognized. The end of a
 single utterance is determined by listening for silence at the end or until a maximum of 15
 seconds of audio is processed.  The task returns the recognition text as result. 
 Note: Since recognize_once() returns only a single utterance, it is suitable only for single
 shot recognition like command or query. 
 For long-running multi-utterance recognition, use start_continuous_recognition() instead.
result = speech_recognizer.recognize_once()

 Checks result.
if result.reason == speechsdk.ResultReason.RecognizedSpeech:
    print("Recognized: {}".format(result.text))
elif result.reason == speechsdk.ResultReason.NoMatch:
    print("No speech could be recognized: {}".format(result.no_match_details))
elif result.reason == speechsdk.ResultReason.Canceled:
    cancellation_details = result.cancellation_details
    print("Speech Recognition canceled: {}".format(cancellation_details.reason))
    if cancellation_details.reason == speechsdk.CancellationReason.Error:
        print("Error details: {}".format(cancellation_details.error_details))

Verwenden Sie für Audiodateien sampledata \ audiofiles \ aboutSpeechSdk.wav in kognitive-Dienste-Sprache-SDK.

    1. Führen Sie den folgenden Befehl aus und sehen Sie das Ergebnis.
python stt_from_file.py

Wenn der Schlüssel und der Speicherort falsch sind, wird der folgende Fehler angezeigt.

(py36) C:\Users\good_\Documents\PythonProjects\AzureSpeech>python stt_from_file.py
Recognizing first result...
Speech Recognition canceled: CancellationReason.Error
Error details: Connection failed (no connection to the remote host). Internal error: 1. Error details: 11001. Please check network connection, firewall setting, and the region name used to create speech factory. SessionId: 77ad7686a9d94b7882398ae8b855d903

Das Ergebnis ist wie folgt. image.png

Es hat 52 Sekunden, aber es scheint zu enden, wenn es die erste Zeile erkennt.

Vier. Gehen Sie wie folgt vor, um kontinuierlich zu lesen und die Stimme zu erkennen.

import azure.cognitiveservices.speech as speechsdk
import time 

 Creates an instance of a speech config with specified subscription key and service region.
 Replace with your own subscription key and region identifier from here: https://aka.ms/speech/sdkregion
speech_key, service_region = "YourSubscriptionKey", "YourServiceRegion"
speech_config = speechsdk.SpeechConfig(subscription=speech_key, region=service_region)

 Creates an audio configuration that points to an audio file.
 Replace with your own audio filename.
audio_filename = "aboutSpeechSdk.wav"
audio_input = speechsdk.audio.AudioConfig(filename=audio_filename)

 Creates a recognizer with the given settings
speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_input)

print("Recognizing...")

def recognized(evt):
    print('「{}」'.format(evt.result.text))
    # do something

def start(evt):
    print('SESSION STARTED: {}'.format(evt))

def stop(evt):
    print('SESSION STOPPED {}'.format(evt))

speech_recognizer.recognized.connect(recognized)
speech_recognizer.session_started.connect(start)
speech_recognizer.session_stopped.connect(stop)

try:
    speech_recognizer.start_continuous_recognition()
    time.sleep(60)
except KeyboardInterrupt:
    print("bye.")
    speech_recognizer.recognized.disconnect_all()
    speech_recognizer.session_started.disconnect_all()
    speech_recognizer.session_stopped.disconnect_all()

Fünf. Lass es uns erneut versuchen.

Es scheint, dass die Spracherkennung kontinuierlich möglich ist, wie unten gezeigt! image.png

Danke für deine harte Arbeit.

Referenz

Recommended Posts

Konvertieren Sie Sprache mit dem Azure Speech SDK in Text
Ich habe versucht, Azure Speech to Text zu verwenden.
Sprechen mit Python [Text zu Sprache]
Einführung in discord.py (3) Verwenden von Stimme
Ich habe Watson Voice Authentication (Speech to Text) ausprobiert.
Konvertieren Sie eine große Anzahl von PDF-Dateien mit pdfminer in Textdateien
Englische Spracherkennung mit Python [Rede zu Text]
Sprachauthentifizierung und Transkription mit Raspberry Pi 3 x Julius x Watson (Rede zu Text)
Ich habe versucht, Text mit TensorFlow zu klassifizieren
Konvertieren Sie an E-Mails angehängte PDF-Dateien in das Textformat
Konvertieren Sie STL mit Python VTK in ein Voxel-Netz
Konvertieren Sie Daten im JSON-Format in txt (mit yolo)
Zum HSV konvertieren
Konvertieren Sie eine Textdatei mit hexadezimalen Werten in eine Binärdatei
[Python] Konvertiert PDF-Text für jede Seite in CSV (2/24 Postscript)