在 python 中对.Wav文件进行语音转文字为什么文字不在一行

在Python中，使用特定库如`speech_recognition`处理WAV文件并转换成文本时，音频识别通常会将结果分割成多行，这是因为识别到的每个句子或短语被单独作为一个独立的实体输出。这并非错误，而是为了清晰地展示语音内容的分界。

例如，一段包含多个句子的录音会被分成不同的行，每行对应识别出的一句话。如果你希望得到连续的文字输出而不是按行划分，可以尝试使用` SpeechRecognition`的`continuous=True`选项，但这依赖于所使用的语音识别引擎是否支持这样的设置。

import speech_recognition as sr

r = sr.Recognizer()
audio_file = sr.AudioFile('your_wav_file.wav')
with audio_file as source:
    # 使用 continuous=True 进行连续识别
    text = r.recognize_google(audio=source, language='zh-CN', continuous=True)

相关问题

sherpa-onnx 语音转文字

### sherpa-onnx 实现语音转文字

#### 准备工作环境
为了使用 `sherpa-onnx` 进行语音转文字的操作，需先安装必要的依赖项并下载预训练模型。确保已安装 Python 和 pip 工具。

pip install numpy onnxruntime-gpu soundfile

#### 下载预训练模型
根据需求选择合适的语言包，这里以中文为例：

cd /path/to/sherpa-onnx
wget https://github.com/k2-fsa/sherpa/releases/download/v0.6.0/sherpa-onnx-paraformer-zh-2023-03-28.zip
unzip sherpa-onnx-paraformer-zh-2023-03-28.zip -d .
rm sherpa-onnx-paraformer-zh-2023-03-28.zip

#### 配置命令行参数
配置用于执行离线语音识别的命令行工具 `sherpa-onnx-offline` 的参数设置如下所示[^2]：

./build/bin/sherpa-onnx-offline \
--tokens=./sherpa-onnx-paraformer-zh-2023-03-28/tokens.txt \
--paraformer=./sherpa-onnx-paraformer-zh-2023-03-28/model.int8.onnx \
/path/to/audio/file.wav

此命令会读取指定路径下的音频文件，并将其转换成对应的文本输出。

#### Java集成方案
对于希望在Java项目中集成这一功能的情况，则可以通过加载由 C++ 编译生成的 `.jar` 文件及其关联的动态链接库来完成操作[^3]。具体步骤可参照官方文档中的说明进行部署。

通过以上介绍可以看出，在不同平台上利用 `sherpa-onnx` 库实现语音到文本转化的过程相对简单明了，只需按照指引准备好相应资源即可快速上手应用开发。

如何安装并开始使用VOSK在Python中做语音识别？

安装VOSK在Python中做语音识别一般分为几个步骤：

1. **安装依赖**:
首先需要安装一些必要的库，如`pydub`用于音频处理，以及`numpy`和`scipy`。在命令行中输入：

   pip install pydub numpy scipy

2. **下载VOSK模型**:
官方网站通常提供预训练的语言模型，例如`vosk-model-en-us`（英语）。从[这里](https://alphacephei.com/vosk/models)下载对应你的需求的模型文件。

3. **导入库和初始化**:
使用Python，你可以这样做：

   import vosk
   model = vosk.Model('path/to/vosk-model')  # 替换 'path/to/vosk-model' 为你的模型路径
   rec = vosk.KaldiRecognizer(model, 16000)  # 16000代表采样率，一般针对16kHz的音频

4. **加载录音和识别**:
对于一段音频文件，可以使用`pydub`读取并转换成适当的格式，然后通过VOSK识别：

   from pydub import AudioSegment

   audio_file = "path/to/audio.wav"
   with open(audio_file, "rb") as f:
       audio_data = f.read()
   seg = AudioSegment.from_wav(f)
   bytes_data = seg.raw_data

   result = ""
   if rec.AcceptWaveform(bytes_data):
       text = rec.Result()
       result = text.split("\n")[0]  # 可能有多行结果，通常第一行是识别出的文字
   else:
       print("Failed to recognize")

   print(result)

5. **结束会话**:
在完成识别任务后，记得关闭 Recognizer 和 Model，释放资源：

   rec.Close()
   model.Close()

现在你就有了一个基本的VOSK Python语音识别脚本。可以根据实际应用调整音频数据获取和处理的方式。