0
我想使用speech_recognition 3.1.2使用Python 3.4,但我一直在麻烦整个时间。Python Speech_Recognition Bad Results
最初尝试使用刚刚的例子WAV识别我得到类型错误时:“STR”不支持缓冲区的接口,所以我通过源梳理,并提出了以下变化:从
def read(self, size = -1):
buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
if type(buffer) is str:
buffer = buffer.encode(encoding="utf-8", errors="strict")
print(buffer)
if self.wav_reader.getnchannels() != 1: # stereo audio
try:
buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
except Exception as e:
print(e)
return buffer
:
def read(self, size = -1):
buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
if self.wav_reader.getnchannels() != 1: # stereo audio
buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
return buffer
虽然现在不会发生错误,但转录质量却很差。我可以非常准确地运行python -m speech_recognition,所以我不确定发生了什么。我将energy_threshold提高到4000以确保它不是环境噪音问题。我甚至使用了2种不同的识别服务(IBM和Google语音识别)。此外,由于某种原因,最后2个缓冲区是空字符串,然后我必须转换为字节对象
b''
b''
任何意见都会很棒!
有可能是在字符串的处理方式方面差异巨大的蟒蛇 2和3之间,你可以看看:http://python3porting.com/ problems.html。所以不知道这个改变是不是微不足道的。 – toine
@toine这就是我最初的想法,但它看起来像他们在Python 3中写的所有东西,考虑到我得到的错误,这很奇怪。 –