ساخت برنامه تشخیص گفتار با پایتون
ساخت برنامه تشخیص گفتار با پایتون
- زمان مطالعه: 4 دقیقه
- اشتراک گذاری این نوشته در:
در این آموزش جذاب ساخت برنامه تشخیص گفتار با پایتون، نحوه تبدیل فایل‌های صوتی به فایل متنی به کمک پایتون را یاد می‌گیریم. فرایندِ تشخیص گفتار را که امروزه در دنیای حقیقی مورد استفاده قرار می‌گیرد. به طور مثال، دستیارهای صوتی شخصی مثل «Home Mini» گوگل، «Alexa» آمازون و «Siri» اپل تنها تعدادی از ابزارهای محبوب و پرکاربرد این حوزه هستند که بسیار شناخته شده هستند.
تبدیل متن به صدا در پایتـون
تشخیص گفتار صرفه‌جویی در زمان را در پی دارد چراکه نیاز به تایپ کردن را از بین می‌برد. با این سیستم می‌توانیم با سایر وسیله‌ها ارتباط برقرار کنیم. این کار باعث می‌شود استفاده از ابزارها و فناوری‌ها بسیار سریع‌تر و آسان‌تر باشد. در واقع تشخیص گفتار نمونه خوبی از هوش مصنوعی در دنیای حقیقی است.
در این نوشته، یک مدل تشخیص گفتار به کمک پایتون را پیاده سازی می‌کنیم. این مدل می‌تواند جمله‌ها را از فایل صوتی شناسایی کند. در گام بعدی، این جملات به یک سند متنی وارد می‌شوند.
فراخوانی کتابخــانه
در ابتدا باید ماژول SpeechRecognition را نصب کنیم تا بتوانیم آن را در برنامه فراخوانی کنیم. ماژول SpeechRecognition از APIهای تشخیص مختلفی پشتیبانی می‌کند و Google Speech API یکی از آن‌هاست. شما می‌توانید در اینجا(کلیک کنید) اطلاعات بیشتری در خصوص این ماژول بدست آورید.
حال کتابخانه را به کمک قطعه کد زیر Import می کنیم:
import speech_recognition as sr
ساخت سیستـم تشخیـص
در گام نخست، باید نمونه سیستم تشخیص خودمان را مقداردهی کنیم:
r = sr.Recognizer()
وارد کردن فایل صوتـی
پسوند فایل در هنگام وارد کردنِ فایل صوتی به برنامه اهمیت دارد. من کد را در فرمت‌های دیگر نیز آزمایش کردم، اما نتیجه‌ای که با فرمت «wav» به دست آمد، خیلی بهتر بود. امکان استفاده از وب‌سایت تبدیل‌کنندۀ فایل نیز وجود دارد. این وب‌سایت‌ها قابلیت تبدیل فایل‌های صوتی به wav را نیز فراهم می‌کنند. برای نمونه، اگر از memoهای صوتی مَک‌بوک برای ضبط صدا استفاده کنید، فایل در قالب m4a ذخیره خواهد شد. اگر این عبارت را در موتور جستجوی گوگل وارد کنید: «تبدیل فایل m4a به فرمت فایل wav به صورت آنلاین»، در نتایج به دست آمده می توانید وب سایتهای تبدیل کننده فرمت‌های صوتی زیادی را بیابید.
AudioFile تابعی برای وارد کردن فایل و Sr ماژول تشخیص گفتار است.
audio_file = sr.AudioFile('test.wav')
تشخیص گفتار
از روش recognize_google برای تشخیص گفتار استفاده می‌کنیم:
with audio_file as source:
r.adjust_for_ambient_noise(source)
audio = r.record(source)result = r.recognize_google(audio)
# By KhaneCode
وارد کردن نتایج به فایل متنی
در کد زیر، یک فایل متنی ایجاد و باز می‌کنیم. سپس، نتیجه‌ای که در کد قبلی بدست آمد را وارد می‌کنیم. وقتی فرایند به پایان برسد، عبارت «ready» را در پایانه خواهید دید:
with open('test.txt',mode ='w') as file:
file.write("Recognized text:")
file.write("\n")
file.write(result)
print("ready!")
کل کدهای پروژه به صورت یکجــا و کامل:
# importing the module
import speech_recognition as sr # define the recognizer
r = sr.Recognizer() # speech recognition
with audio_file as source:
r.adjust_for_ambient_noise(source)
audio = r.record(source)result = r.recognize_google(audio) # exporting the result
with open('test.txt',mode ='w') as file:
file.write("Recognized text:")
file.write("\n")
file.write(result)
print("ready!")
I enjoy looking through a post that will make men and women think. Also, thank you for permitting me to comment.
This site was… how do you say it? Relevant!! Finally I have found something that helped me. Thanks.
It’s hard to find knowledgeable people about this topic, however, you seem like you know what you’re talking about! Thanks
I really like it whenever people come together and share views. Great site, keep it up.
This website definitely has all the information and facts I wanted concerning this subject and didn’t know who to ask.
I need to to thank you for this excellent read!! I certainly loved every bit of it. I have you book-marked to look at new things you post…
Everything is very open with a really clear description of the issues. It was definitely informative. Your site is useful. Thanks for sharing!
I’m pretty pleased to find this great site. I wanted to thank you for ones time for this particularly fantastic read!! I definitely loved every bit of it and i also have you saved as a favorite to check out new information in your website.
Your style is so unique in comparison to other folks I’ve read stuff from. Thank you for posting when you’ve got the opportunity, Guess I will just book mark this site.
Spot on with this write-up, I seriously feel this amazing site needs far more attention. I’ll probably be returning to read more, thanks for the info!
Having read this I believed it was very informative. I appreciate you finding the time and effort to put this short article together. I once again find myself spending a lot of time both reading and leaving comments. But so what, it was still worth it!
Having read this I believed it was extremely informative. I appreciate you spending some time and effort to put this short article together. I once again find myself personally spending a lot of time both reading and commenting. But so what, it was still worth it.
Next time I read a blog, I hope that it won’t disappoint me as much as this one. After all, I know it was my choice to read, however I really thought you’d have something useful to talk about. All I hear is a bunch of complaining about something that you could possibly fix if you were not too busy seeking attention.
Right here is the right web site for anybody who really wants to find out about this topic. You understand a whole lot its almost hard to argue with you (not that I actually will need to…HaHa). You definitely put a new spin on a subject which has been written about for a long time. Wonderful stuff, just great.
I blog quite often and I seriously appreciate your content. This article has truly peaked my interest. I will book mark your website and keep checking for new information about once per week. I opted in for your Feed too.