Python实现语音识别vosk的示例代码
作者：爱看书的小沐
1、简介
https://alphacephei.com/vosk/index.zh.html
Vosk 是一个语音识别工具包。
1.1 vosk简介
- 支持二十+种语言 - 中文，英语，印度英语，德语，法语，西班牙语，葡萄牙语，俄语，土耳其语，越南语，意大利语，荷兰人，加泰罗尼亚语，阿拉伯, 希腊语, 波斯语, 菲律宾语，乌克兰语, 哈萨克语, 瑞典语, 日语, 世界语, 印地语, 捷克语, 波兰语, 乌兹别克语, 韩国语
- 移动设备上脱机工作-Raspberry Pi，Android，iOS
- 使用简单的 pip3 install vosk 安装
- 每种语言的手提式模型只有是50Mb, 但还有更大的服务器模型可用
- 提供流媒体API，以提供最佳用户体验（与流行的语音识别python包不同）
- 还有用于不同编程语言的包装器-java / csharp / javascript等
- 可以快速重新配置词汇以实现最佳准确性
- 支持说话人识别
1.2 vosk模型
https://alphacephei.com/vosk/models
有两种类型的模型 - 大模型和小模型，非常适合 移动应用程序上的一些有限任务。它们可以在智能手机上运行， 树莓派的。还建议将它们用于桌面应用程序。小 模型的大小通常约为 50Mb，需要大约 300Mb 的内存 在运行时。大模型用于 服务器。大型型号需要高达 16Gb 的内存，因为它们应用了先进的 人工智能算法。
# 下载模型文件： wget -c https://alphacephei.com/vosk/models/vosk-model-small-cn-0.22.zip wget -c https://alphacephei.com/vosk/models/vosk-model-cn-0.15.zip wget -c https://alphacephei.com/vosk/models/vosk-model-cn-kaldi-multicn-0.15.zip
1.3 vosk服务
一个基于Vosk-API的非常简单的服务器。
不同的协议有四种实现 - websocket、grpc、mqtt、webrtc。
启动服务器：
#获取docker镜像： docker pull alphacep/kaldi-cn:latest #启动服务： docker run -d -p 2700:2700 alphacep/kaldi-cn:latest
若要测试服务器，请运行示例脚本：
git clone https://github.com/alphacep/vosk-server cd vosk-server/websocket ./test.py test.wav
使用麦克风进行测试，您需要安装 sounddevice pip 包：
pip3 install sounddevice
要使用麦克风进行测试，请运行：
./test_microphone.py -u ws://localhost:2700
使用docker方式启动服务，比较简单，但下载docker包比较耗时，如果已经下载好vosk-server代码及对应的模型文件，可以直接通过python代码启动vosk-server提供asr服务。
#1、下载vosk-server代码 git clone https://github.com/alphacep/vosk-server #2、下载模型文件 wget -c https://alphacephei.com/vosk/models/vosk-model-cn-0.15.zip #3、启动vosk服务 python asr_server.py vosk-model-cn-0.15
2、安装
确保您拥有最新的 pip 和 python3 版本：
Python版本：3.5-3.9
pip 版本：20.3 及更高版本。
pip3 install vosk # pip3 install vosk -i https://pypi.doubanio.com/simple # pip3 install https://github.com/alphacep/vosk-api/releases/download/v0.3.42/vosk-0.3.42-py3-none-linux_riscv64.whl
python3 --version pip3 --version pip3 -v install vosk # 验证ffmpeg是否已安装，调用命令行（windows+R输入cmd）/ Ubuntu终端 $ ffmpeg –version
3、测试
3.1 命令行测试
vosk-transcriber -i test.mp4 -o test.txt vosk-transcriber -i test.mp4 -t srt -o test.srt vosk-transcriber -l fr -i test.m4a -t srt -o test.srt vosk-transcriber --list-languages # windows $ cd xxx/xxx # 查看help命令 $ vosk-transcriber -h # 列举当前的语言 $ vosk-transcriber --list-languages # 方式一 ：中文语音转汉字 $ vosk-transcriber -i xxx.mp3 -o xxx.txt -l cn # 方式二 ：中文语音转汉字， 也可以去网站下载模型后直接指定模型路径 $ vosk-transcriber -i xxx.mp3 -o xxx.txt -m 解压后的文件夹路径
3.2 代码测试
若要运行 python 示例，请克隆 vosk-api 并运行以下命令：
git clone https://github.com/alphacep/vosk-api cd vosk-api/python/example python3 ./test_simple.py test.wav
使用您自己的音频文件时，请确保其格式正确 - PCM 16kHz 16bit 单声道。否则，如果您安装了 ffmpeg，则可以使用 ，它为您进行转换。
到此这篇关于Python实现语音识别vosk的示例代码的文章就介绍到这了,更多相关Python 语音识别vosk内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！