建站
咨詢
售后
建站咨詢
新聞中心
應(yīng)用中的語音識別不僅僅是一個有趣的技巧，而且是一個重要的無障礙功能。
創(chuàng)新互聯(lián)建站專注于劍河網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供劍河營銷型網(wǎng)站建設(shè)，劍河網(wǎng)站制作、劍河網(wǎng)頁設(shè)計、劍河網(wǎng)站官網(wǎng)定制、重慶小程序開發(fā)公司服務(wù)，打造劍河網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供劍河網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。
計算機的主要功能之一是解析數(shù)據(jù)。有些數(shù)據(jù)比其他數(shù)據(jù)更容易解析，而語音輸入仍然是一項進展中的工作。不過，近年來該領(lǐng)域已經(jīng)有了許多改進，其中之一就是 DeepSpeech，這是 Mozilla 的一個項目，Mozilla 是維護 Firefox 瀏覽器的基金會。DeepSpeech 是一個語音到文本的命令和庫，使其對需要將語音輸入轉(zhuǎn)化為文本的用戶和希望為其應(yīng)用提供語音輸入的開發(fā)者都很有用。
安裝 DeepSpeech
DeepSpeech 是開源的，使用 Mozilla 公共許可證（MPL）發(fā)布。你可以從其 ??GitHub?? 頁面下載源碼。
要安裝，首先為 Python 創(chuàng)建一個虛擬環(huán)境：
$ python3 -m pip install deepspeech --user
DeepSpeech 依靠的是機器學習。你可以自己訓(xùn)練它，但最簡單的是在剛開始時下載預(yù)訓(xùn)練的模型文件。
$ mkdir DeepSpeech
$ cd Deepspeech
$ curl -LO \
https://github.com/mozilla/DeepSpeech/releases/download/vX.Y.Z/deepspeech-X.Y.Z-models.pbmm
$ curl -LO \
https://github.com/mozilla/DeepSpeech/releases/download/vX.Y.Z/deepspeech-X.Y.Z-models.scorer
用戶應(yīng)用
通過 DeepSpeech，你可以將語音的錄音轉(zhuǎn)錄成書面文字。你可以從在最佳條件下干凈錄制的語音中得到最好的結(jié)果。然而，在緊要關(guān)頭，你可以嘗試任何錄音，你可能會得到一些你需要手動轉(zhuǎn)錄的東西。
為了測試，你可以錄制一個包含簡單短語的音頻文件：“This is a test. Hello world, this is a test”。將音頻保存為一個 ??.wav?? 文件，名為 ??hello-test.wav??。
在你的 DeepSpeech 文件夾中，通過提供模型文件、評分器文件和你的音頻啟動一個轉(zhuǎn)錄：
$ deepspeech --model deepspeech*pbmm \
--scorer deepspeech*scorer \
--audio hello-test.wav
輸出到標準輸出（你的終端）：
this is a test hello world this is a test
你可以通過使用 ??--json?? 選項獲得 JSON 格式的輸出：
$ deepspeech --model deepspeech*pbmm \
-- json
--scorer deepspeech*scorer \
--audio hello-test.wav
這就把每個詞和時間戳一起渲染出來：
{
"transcripts": [
{
"confidence": -42.7990608215332,
"words": [
{
"word": "this",
"start_time": 2.54,
"duration": 0.12
},
{
"word": "is",
"start_time": 2.74,
"duration": 0.1
},
{
"word": "a",
"start_time": 2.94,
"duration": 0.04
},
{
"word": "test",
"start_time": 3.06,
"duration": 0.74
},
[...]
開發(fā)者
DeepSpeech 不僅僅是一個轉(zhuǎn)錄預(yù)先錄制的音頻的命令。你也可以用它來實時處理音頻流。GitHub 倉庫 ??DeepSpeech-examples?? 中有 JavaScript、Python、C# 和用于 Android 的 Java 等各種代碼。
大部分困難的工作已經(jīng)完成，所以集成 DeepSpeech 通常只是引用 DeepSpeech 庫，并知道如何從主機設(shè)備上獲得音頻（你通常通過 Linux 上的 ??/dev?? 文件系統(tǒng)或 Android 和其他平臺上的 SDK 來完成。）
語音識別
作為一個開發(fā)者，為你的應(yīng)用啟用語音識別不只是一個有趣的技巧，而是一個重要的無障礙功能，它使你的應(yīng)用更容易被有行動問題的人、低視力的人和長期多任務(wù)處理的人使用。作為用戶，DeepSpeech 是一個有用的轉(zhuǎn)錄工具，可以將音頻文件轉(zhuǎn)換為文本。無論你的使用情況如何，請嘗試 DeepSpeech，看看它能為你做什么。
分享文章：使用DeepSpeech在你的應(yīng)用中實現(xiàn)語音轉(zhuǎn)文字
網(wǎng)頁鏈接：http://m.fisionsoft.com.cn/article/djccded.html
