亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Python實現(xiàn)語音識別vosk的示例代碼

 更新時間：2023年12月13日 11:21:09   作者：愛看書的小沐  
Vosk是一個功能強大且易于使用的語音識別工具包,它提供了Python綁定,使得在Python中使用Vosk變得非常方便,本文主要介紹了Python實現(xiàn)語音識別vosk的示例代碼,具有一定的參考價值,感興趣的可以了解一下

1、簡介

https://alphacephei.com/vosk/index.zh.html

Vosk 是一個語音識別工具包。

1.1 vosk簡介

  • 支持二十+種語言 - 中文，英語，印度英語，德語，法語，西班牙語，葡萄牙語，俄語，土耳其語，越南語，意大利語，荷蘭人，加泰羅尼亞語，阿拉伯, 希臘語, 波斯語, 菲律賓語，烏克蘭語, 哈薩克語, 瑞典語, 日語, 世界語, 印地語, 捷克語, 波蘭語, 烏茲別克語, 韓國語
  • 移動設(shè)備上脫機工作-Raspberry Pi，Android，iOS
  • 使用簡單的 pip3 install vosk 安裝
  • 每種語言的手提式模型只有是50Mb, 但還有更大的服務(wù)器模型可用
  • 提供流媒體API，以提供最佳用戶體驗（與流行的語音識別python包不同）
  • 還有用于不同編程語言的包裝器-java / csharp / javascript等
  • 可以快速重新配置詞匯以實現(xiàn)最佳準確性
  • 支持說話人識別

1.2 vosk模型

https://alphacephei.com/vosk/models

有兩種類型的模型 - 大模型和小模型，非常適合 移動應(yīng)用程序上的一些有限任務(wù)。它們可以在智能手機上運行， 樹莓派的。還建議將它們用于桌面應(yīng)用程序。小 模型的大小通常約為 50Mb，需要大約 300Mb 的內(nèi)存 在運行時。大模型用于 服務(wù)器。大型型號需要高達 16Gb 的內(nèi)存，因為它們應(yīng)用了先進的 人工智能算法。

在這里插入圖片描述

# 下載模型文件：
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服務(wù)

一個基于Vosk-API的非常簡單的服務(wù)器。
不同的協(xié)議有四種實現(xiàn) - websocket、grpc、mqtt、webrtc。
啟動服務(wù)器：

#獲取docker鏡像：
docker pull alphacep/kaldi-cn:latest
#啟動服務(wù)：
docker run -d -p 2700:2700 alphacep/kaldi-cn:latest

若要測試服務(wù)器，請運行示例腳本：

git clone https://github.com/alphacep/vosk-server
cd vosk-server/websocket
./test.py test.wav

使用麥克風(fēng)進行測試，您需要安裝 sounddevice pip 包：

pip3 install sounddevice

要使用麥克風(fēng)進行測試，請運行：

./test_microphone.py -u ws://localhost:2700

使用docker方式啟動服務(wù)，比較簡單，但下載docker包比較耗時，如果已經(jīng)下載好vosk-server代碼及對應(yīng)的模型文件，可以直接通過python代碼啟動vosk-server提供asr服務(wù)。

#1、下載vosk-server代碼
git clone https://github.com/alphacep/vosk-server
#2、下載模型文件
wget -c https://alphacephei.com/vosk/models/vosk-model-cn-0.15.zip
#3、啟動vosk服務(wù)
python asr_server.py vosk-model-cn-0.15

2、安裝

確保您擁有最新的 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

在這里插入圖片描述

python3 --version
pip3 --version
pip3 -v install vosk

# 驗證ffmpeg是否已安裝，調(diào)用命令行（windows+R輸入cmd）/ Ubuntu終端
$ ffmpeg –version

在這里插入圖片描述

3、測試

3.1 命令行測試

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
 
# 列舉當前的語言
$ vosk-transcriber --list-languages
 
# 方式一 ：中文語音轉(zhuǎn)漢字
$ vosk-transcriber -i xxx.mp3 -o xxx.txt -l cn  
 
# 方式二 ：中文語音轉(zhuǎn)漢字， 也可以去網(wǎng)站下載模型后直接指定模型路徑
$ vosk-transcriber -i xxx.mp3 -o xxx.txt -m 解壓后的文件夾路徑

在這里插入圖片描述

在這里插入圖片描述

3.2 代碼測試

若要運行 python 示例，請克隆 vosk-api 并運行以下命令：

git clone https://github.com/alphacep/vosk-api
cd vosk-api/python/example
python3 ./test_simple.py test.wav

在這里插入圖片描述

在這里插入圖片描述

使用您自己的音頻文件時，請確保其格式正確 - PCM 16kHz 16bit 單聲道。否則，如果您安裝了 ffmpeg，則可以使用 ，它為您進行轉(zhuǎn)換。

到此這篇關(guān)于Python實現(xiàn)語音識別vosk的示例代碼的文章就介紹到這了,更多相關(guān)Python 語音識別vosk內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評論