PythonでPydubとGoogle音声認識APIを使用した音声処理

このチュートリアルでは、オーディオファイルを操作します。オーディオをチャンクに分割して、その中のコンテンツを認識します。オーディオファイルの内容もテキストファイルに保存します。以下のコマンドを使用して、以下のモジュールをインストールします。

 pip install pydub 

上記のコマンドを実行すると、次の成功メッセージが表示されます

pydubの収集https://files.pythonhosted.org/packages/79/db/eaf620b73a1eec3c8c6f8f5b0b236a50f9da88ad57802154b7ba7664d0b8/pydub-0.23.1-py2.py3-none-any.whl pre> 
 pip install audioread 
 

 上記のコマンドを実行すると、次の成功メッセージが表示されます。
 
 audioreadの収集ダウンロードhttps://files.pythonhosted.org/packages/2e/0b/940ea7861e0e9049f09dcfd72a90c9ae55f697c17c299a323f0148f913d2/audioread-2.1.8.tar.gz収集されたパッケージのBuildingwheels：audioreadBuilding Wheel for audioread（setup.py） audioread（setup.py）：finished with status'done'作成されたaudioreadのホイール：filename =audioread-2.1.8-cp37-none-any.whl size =23098 sha256 =92b6f46d6b4726e7a13233dc9d84744ba74e23187123e67f663650f24390dc9dディレクトリに保存：C：\ Users \ hafe \ Local \ pip \ Cache \ Wheels \ b9 \ 64 \ 09 \ 0b6417df9d8ba8bc61a7d2553c5cebd714ec169644c88fc012正常にビルドされたaudioread収集されたパッケージのインストール：audioread正常にインストールされたaudioread-2.1.8 
 
 pip install SpeechRecognition 
 

 上記のコマンドを実行すると、次の成功メッセージが表示されます。
 
SpeechRecognitionの収集ダウンロードhttps://files.pythonhosted.org/packages/26/e1/7f5678cd94ec1234269d23756dbdaa4c8cfaed973412f88ae8adf7893a50/SpeechRecognition-3.8.1-py2.py3-none-any.whl（32.8MB） 3.8.1 
 

 プロセスには2つのステップがあります。
 
 
 

 オーディオをチャンクに分割します。
 
 
 

  SpeechRecognitionを使用してコンテンツを抽出する必要があります 。
 
 
 

 ライブラリから1つのオーディオファイルを取得します。コードを始めましょう。
 
例
 
＃モジュールのインポートimport pydubimport Speech_recognition＃オーディオファイルの取得audio =pydub.AudioSegment.from_wav（'audio.wav'）＃オーディオの長さ（ミリ秒）audio_length =len（audio）print（f'オーディオの長さ：{audio_length}' ）＃chunk counterchunk_counter =1audio_text =open（'audio_text.txt'、'w +'）＃オーディオポイントをスライスする場所の設定=60000＃オーバーラップ-スライス後の残りのオーディオrem =8000＃チャンクを追跡するための変数の初期化とendingflag =0start =0end =0＃範囲内でremfor iをインクリメントしてオーディオを反復する（0、2 * audio_length、point）：＃最初の反復でend =rem if i ==0：start =0 end =point else：＃他の反復start =end --rem end =start + point＃endがaudio_lengthより大きい場合end> =audio_length：end =audio_length＃停止フラグを示す=1＃オーディオからチャンクを取得するchunk =audio [start：end]＃チャンク名chunk_name =f'chunk_ {chunk_counter}'＃cを保存するローカルストレージへのハンクchunk.export（chunk_name、format ='wav'）＃チャンクの出力print（f'{chunk_name} start：{start} end：{end}'）＃チャンクカウンターのインクリメントchunk_counter + =1＃テキストの認識オーディオから＃レコグナイザーレコグナイザーを初期化=Speech_recognition.Recognizer（）＃speech_recognition.AudioFile（chunk_name）をchunk_audioとして使用してリスニングされたオーディオを作成：chunk_listened =Recognitionr.listen（chunk_audio）＃オーディオからコンテンツを認識試行：＃からコンテンツを取得チャンクコンテンツ=recognizer.recognize_google（chunk_listened）＃ファイルへの書き込みaudio_text.write（content +'\ n'）＃speech_recognition.UnknownValueError以外で認識されない場合：print（'オーディオは認識されません'）＃speech_recognition.RequestError以外のインターネットエラーエラーとして：print（'インターネットに接続できません'）＃フラグの場合はフラグをチェック==1：audio_text.close（）break 
 
出力
 

 上記のコードを実行すると、次の結果が得られます。
 
オーディオの長さ：480052chunk_1開始：0終了：60000chunk_2開始：52000終了：112000chunk_3開始：104000終了：164000chunk_4開始：156000終了：216000chunk_5開始：208000終了：268000chunk_6開始：260000終了：320000chunk_7開始：312000終了：372000chunk_8開始：364000終了：424000chunk_9開始：416000終了：476000chunk_10開始：468000終了：480052 
 

 ファイルの内容を確認しています。
 
＃ファイルとしてopen（'audio_text.txt'、'r'）を使用して読み取りモードでファイルを開く：print（file.read（））
 

 上記のコードを実行すると、次の結果が得られます。
 
英語と私はここサンフランシスコにいます私は先週サンフランシスコに戻ってきました私たちは教育国でテキサスにいましたそして教育会議の読者は飛行機でした結果あなたは英語を持っていた悪い家のバックアップファイルの結果として教育を改善しましたすぐに来るのは1日だけです12o1a.m.今彼女の英語についてのすべて、またはあなたの街の私のメールリストポートの電源を入れていますあなたのメールメールをチェックしてください 
結論
 

 チュートリアルについて疑問がある場合は、コメントセクションにその旨を記載してください。