پردازش گفتار

با پایتون یک برنامه تشخیص گفتار بسازید

در این نوشته به چگونگی تبدیل فایل‌های صوتی به فایل‌های متنی با استفاده از پایتون می‌پردازیم. این تبدیل حاصل فرایندِ تشخیص گفتار است و به طور متداول در دنیای حقیقی مورد استفاده قرار می‌گیرد. برای مثال، دستیارهای صوتی شخصی مثل «Home Mini» گوگل، «Alexa» آمازون و…

3 دقیقه مطالعه

پشتیبانی شبکه
هوش مصنوعی
فایل
تشخیص
وارد
file
استفاده
گفتار

خلاصه تحلیلی خبر

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، فایل، تشخیص، وارد، file

فهرست مقالهپنهان

1تبدیل متن به صدا در پایتون

1.1فراخوانی کتابخانه

1.2ساخت سیستم تشخیص

1.3وارد کردن فایل صوتی

1.4تشخیص گفتار

1.5وارد کردن نتایج به فایل متنی

تبدیل متن به صدا در پایتون

تشخیص گفتار باعث صرفه‌جویی در زمان می‌شود زیرا دیگر نیازی به تایپ کردن نیست. به کمک این سیستم می‌توانیم با سایر وسیله‌ها ارتباط برقرار کنیم؛ بدون اینکه نیاز به نوشتنِ حتی یک خط کُد باشد. این کار باعث می‌شود وسایل و ابزارهای فناوری به میزان بیشتری در دسترس قرار گرفته و استفاده از آنها آسان شود. تشخیص گفتار نمونه خوبی ازبکارگیری هوش مصنوعیدر دنیای حقیقی است.

در نوشته حاضر، یک مدل تشخیص گفتار ساده ایجاد می‌شود. این مدل می‌تواند جملات را از فایل صوتی شناسایی کند. در وهله بعدی، این جملات به یک سند متنی وارد می‌شوند.

فراخوانی کتابخانه

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 دراینجااطلاعات بیشتری در خصوص این ماژول بدست آورید.

حالا می‌توان کتابخانه را وارد کرد

import speech_recognition as sr

ساخت سیستم تشخیص

در گام نخست، باید نمونه سیستم تشخیص خودمان را مقداردهی کنیم

r = sr.Recognizer()

وارد کردن فایل صوتی

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

ما از روش recognize_google برای تشخیص گفتار استفاده کردیم

with audio_file as source: r.adjust_for_ambient_noise(source) audio = r.record(source)result = r.recognize_google(audio)

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!")

# 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!")

تبریک می‌گوییم! شما موفق شدید برنامه تشخیص گفتار خودتان را با پایتون بسازید. امیدواریم از این پست آموزشی لذت برده و نکات تازه‌ای را یاد گرفته باشید. بهترین راه برای تمرین مهارت‌های کدنویسی این است که پروژه‌های سرگرم‌کننده را پیاده‌سازی کنید.

اگر شما تابه‌حال با استفاده از پایتون فایل صوتی‌ای را به متن تبدیل کردید برای ما از مشکلاتی که بر سر راهتان وجود داشته بنویسید.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.