SpeechRecognize

SpeechRecognize[audio]

识别 audio 中的语音并以字符串形式返回.

SpeechRecognize[audio,level]

返回指定结构层级上的字符串列表.

SpeechRecognize[audio,level,prop]

返回指定层级上的文字的 prop.

更多信息和选项

  • 语音识别旨在将语音音频信号转换为文字. 它也称为“语音转文字”，通常用于启用语音的人机交互和数字个人助手.
  • SpeechRecognize[audio] 以单个字符串返回 audio 中所有识别的语音.
  • level 指定的结构元素包括：
  • Automatic在所有音频信号中找到的语音（默认）
    "Segment"转录片段列表
    "Sentence"句子列表
    "Word"单词列表
  • 属性 prop 可为以下内容：
  • "Audio"包含已识别文本的修剪过的音频
    "Confidence"识别出的文字的强度
    "Interval"包含特定文字的片段
    "SubtitleRules"时间段和文字列表
    "Text"识别出的文本（默认）
    {prop1,prop2,…}属性列表
  • 可以给出以下选项：
  • LanguageAutomatic要识别的语种
    Masking All兴趣区间
    Method Automatic使用方法
    PerformanceGoal $PerformanceGoal优化的目标
    ProgressReporting$ProgressReporting是否报告计算进度
    TargetDevice"CPU"执行识别的设备
  • 用 Languagelang1lang2 识别假定语言为 lang1 的语音，返回翻译成 lang2 的文本.
  • 默认情况下，识别整个信号中的语音. 使用 Masking->{int1,int2,…} 限制识别为区间 inti.
  • Method 的可能设置有：
  • Automatic自动选择方法
    "GoogleSpeech"使用谷歌语音转文字
    "NeuralNetwork"使用内置神经网络
    "OpenAI"使用 OpenAI 语音转文字
  • 默认情况下，如果某种方法返回非语音 token（如 [applause]），将在结果中返回这些内容. 可通过 Method{method,"NonSpeechReplacement"replacements} 指定不同的内容进行替换. 也可用 "NonSpeechReplacement""" 删除这些内容.
  • SpeechRecognize 适用于英语语音以及各种其他语言，例如中文、荷兰语、法语、日语和西班牙语.
  • SpeechRecognize 使用机器学习. 在不同版本的 Wolfram 语言中，其方法、训练集和偏差可能会改变并给出不同的结果.
  • SpeechRecognize 可能下载资源存储在 $LocalBase 的本地对象存储并使用 LocalObjects[] 列出，使用 ResourceRemove 删除.

范例

打开所有单元关闭所有单元

基本范例  (2)

识别语音信号中的语音：

识别录音中的语音：

范围  (4)

基本用法  (2)

识别一段简短音频中的语音：

识别视频文件中音轨的语音：

识别非英文语音：

识别出的文本的语种：

识别原始音频的语种：

层级指定  (1)

默认情况下，所有识别的文本都作为一个字符串返回：

提取已识别句子的列表：

提取单词列表：

提取片段列表，通常用于分割字幕文本：

属性  (1)

默认情况下，以字符串或字符串列表的形式返回识别出的语音：

返回语音片段、相应的音频块和识别的强度：

选项  (3)

Masking  (1)

使用 Masking 选项识别部分信号：

Method  (1)

默认情况下，使用本地模型进行语音识别：

使用 OpenAI 的语音识别：

使用 GoogleSpeech 的语音识别：

PerformanceGoal  (1)

默认情况下，使用中等质量的中速模型：

快速得到结果：

质量更重要：

兼顾速度与质量：

应用  (4)

使用 AudioIntervals 选择识别的信号部分：

识别一个用语音说的城市：

在地图上显示识别的城市：

找到文本中口头问题的答案：

基于 Wolfram|Alpha 构建自动助手：

Wolfram Research (2019)，SpeechRecognize，Wolfram 语言函数，https://reference.wolfram.com/language/ref/SpeechRecognize.html （更新于 2024 年）.

文本

Wolfram Research (2019)，SpeechRecognize，Wolfram 语言函数，https://reference.wolfram.com/language/ref/SpeechRecognize.html （更新于 2024 年）.

CMS

Wolfram 语言. 2019. "SpeechRecognize." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2024. https://reference.wolfram.com/language/ref/SpeechRecognize.html.

APA

Wolfram 语言. (2019). SpeechRecognize. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/SpeechRecognize.html 年

BibTeX

@misc{reference.wolfram_2024_speechrecognize, author="Wolfram Research", title="{SpeechRecognize}", year="2024", howpublished="\url{https://reference.wolfram.com/language/ref/SpeechRecognize.html}", note=[Accessed: 05-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_speechrecognize, organization={Wolfram Research}, title={SpeechRecognize}, year={2024}, url={https://reference.wolfram.com/language/ref/SpeechRecognize.html}, note=[Accessed: 05-November-2024 ]}