如何增加Google Speech API的收听时间？

Question

我已经使用Google语音到文本api进行了文本语音程序的工作，该语音api记录了语音并将其复制到.txt中，但是Google语音api不会听很长时间（大约9秒），来增加它，还是在监听时可以编写的用于python的更好的api？

import time
import speech_recognition as sr
import sys
import fileinput
r=sr.Recognizer()
#tells the program to use a mic and to listen
with sr.Microphone() as source:
    audio=r.listen(source)
#asking the program to try to listen
try:
    spoken = r.recognize_google(audio)

    print("I heard:"+spoken)

except Exception:
    print ("Somthing went wrong")
#writing what was recorded by the mic into a .txt
with open("name-of-file.txt", "a") as f:
    f.write("\n")
    f.write(time.strftime("%H:%M:%S") + " " + time.strftime("%d/%m/%Y"))
    f.write("\n")
    f.write(spoken)

预期结果： 程序同时监听和写入 要么 该程序可以监听直到关闭。 实际结果： 该程序监听大约9秒钟，然后打印到.txt

Answer 1

语音识别是一个非常不错的库，但是我也不得不与录音长度作斗争。解决问题的方法如下：

将音频保存到磁盘

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.record(source)

优点：与流式传输相比，录制到音频文件然后再向Google发送更长的块给了我更长的录音长度。

缺点：根据音频文件的大小，这可能会带来将响应时间延长到几秒钟的缺点，这在您的情况下可能无法使用。

最小化本底噪声

您可能已经很清楚，更好的信噪比将带来更好的STT准确性-但是我也发现，对于语音识别库而言，对于具有良好的块大小而言，这至关重要。

仔细检查本底噪声与来源之间是否有明显区别。录制音频还可以帮助您解决此问题。有时，音频可以使用语音识别库过早切断，因为它无法清楚地检测到您正在讲话。

如果无法提高麦克风的质量或接近度，则该库中包含一个工具，该工具可以校准音频电平以实现最佳的信噪比。

要激活此功能，请代替以下行：

audio=r.listen(source)

尝试使用：

audio=r.adjust_for_ambient_noise(source)

请注意，此功能在某些情况下会增加少量延迟。在其他情况下，如果您输入嘈杂的音频，它将继续无限期收听。

将所有内容组合在一起

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.adjust_for_ambient_noise(source)

这是该库的绝佳指南-The Ultimate Guide To Speech Recognition With Python