Python使用SpeechRecognition庫實(shí)現(xiàn)語音識別功能

更新時(shí)間：2026年01月22日 10:09:34 作者：禿了也弱了。

SpeechRecognition 是 Python 生態(tài)中最主流的語音識別第三方庫,它封裝了多個(gè)國內(nèi)外主流語音識別引擎的接口,本文將帶大家了解Python的SpeechRecognition庫的功能、使用方法,并通過具體案例掌握它在不同場景下的應(yīng)用,需要的朋友可以參考下

SpeechRecognition庫（待驗(yàn)證）

1、簡介

SpeechRecognition 是 Python 生態(tài)中最主流的語音識別第三方庫，它封裝了多個(gè)國內(nèi)外主流語音識別引擎的接口，讓你無需關(guān)注各引擎的底層實(shí)現(xiàn)（比如 API 簽名、數(shù)據(jù)格式轉(zhuǎn)換），只需調(diào)用簡單的 Python API 就能快速實(shí)現(xiàn) “語音轉(zhuǎn)文字” 功能。

你希望詳細(xì)了解Python的SpeechRecognition庫的功能、使用方法，并通過具體案例掌握它在不同場景下的應(yīng)用，我會從庫的基礎(chǔ)介紹、核心概念，到不同使用場景的實(shí)戰(zhàn)案例逐步講解，讓你既能理解原理，也能直接上手使用。

支持的識別引擎（按實(shí)用度排序）：

引擎	網(wǎng)絡(luò)要求	準(zhǔn)確率	費(fèi)用	中文適配	核心特點(diǎn)
Google Web Speech API	需網(wǎng)絡(luò)	高	免費(fèi)（非商用）	較好	新手首選，無需申請密鑰
百度語音識別API	需網(wǎng)絡(luò)	很高	免費(fèi)額度充足	最優(yōu)	專為中文優(yōu)化，需申請密鑰
CMU Sphinx	離線	較低	免費(fèi)	一般	無網(wǎng)絡(luò)場景專用
Microsoft Bing Voice	需網(wǎng)絡(luò)	高	需申請密鑰	較好	微軟生態(tài)適配

Recognizer 類：核心類，所有語音識別操作都通過它完成（如噪聲校準(zhǔn)、音頻識別）。
AudioData 類：封裝音頻數(shù)據(jù)（采樣率、聲道、原始數(shù)據(jù)），是識別的輸入載體。

關(guān)鍵方法：
listen()：從麥克風(fēng)采集音頻（返回 AudioData）。
record()：從音頻文件讀取音頻（返回 AudioData）。
recognize_google()：調(diào)用 Google API 識別音頻。
recognize_sphinx()：調(diào)用 CMU Sphinx 離線識別。

2、安裝

# 1、核心庫安裝
pip install SpeechRecognition

# 2、該庫處理麥克風(fēng)實(shí)時(shí)語音需要依賴`PyAudio`：
pip install pyaudio
# 若安裝失?。╓indows 常見）：先下載對應(yīng) Python 版本的PyAudio whl 文件（Unofficial Windows Binaries），再本地安裝
pip install PyAudio-0.2.13-cp310-cp310-win_amd64.whl

# 3、Mac 用戶：先裝底層依賴再裝 PyAudio
brew install portaudio
pip install pyaudio

# 4、若需離線識別，額外安裝
pip install pocketsphinx

3、使用

場景1：實(shí)時(shí)麥克風(fēng)語音識別（最常用，如語音助手）

通過麥克風(fēng)實(shí)時(shí)采集你的語音，轉(zhuǎn)成文字輸出。
需先校準(zhǔn)環(huán)境噪聲（否則會把背景音誤識別）。

import speech_recognition as sr

def microphone_recognition():
    # 1. 創(chuàng)建Recognizer實(shí)例
    r = sr.Recognizer()
    
    # 2. 獲取麥克風(fēng)設(shè)備（默認(rèn)麥克風(fēng)）
    with sr.Microphone() as source:
        print("正在校準(zhǔn)環(huán)境噪聲，請保持安靜...")
        # 校準(zhǔn)噪聲：監(jiān)聽1秒，獲取背景噪聲水平（關(guān)鍵步驟，否則識別準(zhǔn)確率低）
        r.adjust_for_ambient_noise(source, duration=1)
        print("校準(zhǔn)完成，請開始說話（說完后會自動識別）...")
        
        # 3. 監(jiān)聽麥克風(fēng)音頻（timeout=5表示5秒內(nèi)無語音則超時(shí)）
        audio = r.listen(source, timeout=5, phrase_time_limit=10)  # phrase_time_limit限制單次語音最長10秒
    
    # 4. 調(diào)用Google API識別語音
    try:
        print("正在識別...")
        # language="zh-CN"指定中文識別，默認(rèn)是英文
        # 若識別英文可改為`language="en-US"`。
        text = r.recognize_google(audio, language="zh-CN")
        print(f"你說的內(nèi)容：{text}")
    except sr.WaitTimeoutError:
        print("錯(cuò)誤：超過5秒未檢測到語音輸入")
    except sr.UnknownValueError:
        print("錯(cuò)誤：無法識別你說的內(nèi)容（語音模糊/無有效語音）")
    except sr.RequestError as e:
        print(f"錯(cuò)誤：調(diào)用Google API失敗 → {e}")

if __name__ == "__main__":
    microphone_recognition()

場景2：識別本地音頻文件（如處理錄音文件）

將本地音頻文件（如wav、flac格式）轉(zhuǎn)成文字。
該庫原生支持wav、aiff、flac格式，若為mp3需先轉(zhuǎn)換（可使用pydub庫）。

import speech_recognition as sr

def audio_file_recognition(file_path):
    # 1. 創(chuàng)建Recognizer實(shí)例
    r = sr.Recognizer()
    
    # 2. 讀取音頻文件
    with sr.AudioFile(file_path) as source:
        # 讀取完整音頻（也可指定時(shí)長：r.record(source, duration=5) 讀取前5秒）
        audio = r.record(source)
    
    # 3. 識別音頻
    try:
        text = r.recognize_google(audio, language="zh-CN")
        print(f"音頻內(nèi)容：{text}")
    except sr.UnknownValueError:
        print("錯(cuò)誤：無法識別音頻內(nèi)容")
    except sr.RequestError as e:
        print(f"錯(cuò)誤：API調(diào)用失敗 → {e}")

if __name__ == "__main__":
    # 替換為你的音頻文件路徑（建議用wav格式）
    audio_file_recognition("test_audio.wav")

擴(kuò)展（處理MP3）：
先安裝pydub和音頻解碼依賴：

pip install pydub
# Windows需下載ffmpeg并配置環(huán)境變量，Mac：brew install ffmpeg

轉(zhuǎn)換并識別MP3的代碼：

import speech_recognition as sr
from pydub import AudioSegment

# 轉(zhuǎn)換MP3為WAV
audio = AudioSegment.from_mp3("test_audio.mp3")
audio.export("test_audio_wav.wav", format="wav")

# 調(diào)用上面的識別函數(shù)
audio_file_recognition("test_audio_wav.wav")

場景3：離線語音識別（CMU Sphinx）

無網(wǎng)絡(luò)時(shí)識別語音（適合嵌入式設(shè)備、無網(wǎng)絡(luò)場景）。
準(zhǔn)確率遠(yuǎn)低于在線API，中文適配差，建議僅用于應(yīng)急場景。

import speech_recognition as sr

def offline_recognition():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        r.adjust_for_ambient_noise(source, duration=1)
        print("離線模式，請說話...")
        audio = r.listen(source)
    
    try:
        # 離線識別（中文需額外配置語言包，默認(rèn)英文）
        text = r.recognize_sphinx(audio, language="zh-CN")
        print(f"離線識別結(jié)果：{text}")
    except sr.UnknownValueError:
        print("錯(cuò)誤：離線識別失?。ㄕZ音無法解析）")
    except sr.RequestError as e:
        print(f"錯(cuò)誤：Sphinx引擎初始化失敗 → {e}")

if __name__ == "__main__":
    offline_recognition()

場景4：百度語音識別（中文最優(yōu)）

使用百度語音API識別（中文準(zhǔn)確率遠(yuǎn)超Google，有免費(fèi)額度）。

前置步驟：
1.登錄百度智能云，創(chuàng)建“語音識別”應(yīng)用，獲取APP_ID、API_KEY、SECRET_KEY。
2.安裝百度SDK：

   pip install baidu-aip

import speech_recognition as sr
from aip import AipSpeech

# 替換為你的百度應(yīng)用信息
APP_ID = "你的APP_ID"
API_KEY = "你的API_KEY"
SECRET_KEY = "你的SECRET_KEY"

def baidu_recognition(audio_data):
    # 初始化百度語音客戶端
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    
    # 將AudioData轉(zhuǎn)為百度要求的格式（pcm/16k/16位/單聲道）
    pcm_data = audio_data.get_raw_data(convert_rate=16000, convert_width=2)
    
    # 調(diào)用百度API識別
    result = client.asr(pcm_data, "pcm", 16000, {
        "dev_pid": 1536,  # 1536=普通話（支持簡單的英文），1537=英語
    })
    
    if result["err_no"] == 0:
        return "".join(result["result"])
    else:
        raise Exception(f"百度API錯(cuò)誤：{result['err_msg']}")

# 主流程：麥克風(fēng)采集+百度識別
if __name__ == "__main__":
    r = sr.Recognizer()
    with sr.Microphone(sample_rate=16000) as source:  # 百度要求16k采樣率
        r.adjust_for_ambient_noise(source, duration=1)
        print("請說話（百度語音識別）...")
        audio = r.listen(source)
    
    try:
        text = baidu_recognition(audio)
        print(f"百度識別結(jié)果：{text}")
    except Exception as e:
        print(f"識別失敗：{e}")

以上就是Python使用SpeechRecognition庫實(shí)現(xiàn)語音識別功能的詳細(xì)內(nèi)容，更多關(guān)于Python SpeechRecognition語音識別的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: