Python Speech_Recognition 不好的结果答案

【问题标题】：Python Speech_Recognition Bad ResultsPython Speech_Recognition 不好的结果
【发布时间】：2016-02-05 04:22:46
【问题描述】：

我正在尝试通过 Python 3.4 使用 Speech_recognition 3.1.2，但我一直遇到麻烦。

最初尝试仅使用示例 WAV 识别器时，我收到 TypeError: 'str' does not support the buffer interface 所以我梳理了源代码并进行了以下更改：

    def read(self, size = -1):
        buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
        if type(buffer) is str:
            buffer = buffer.encode(encoding="utf-8", errors="strict")
            print(buffer)
        if self.wav_reader.getnchannels() != 1: # stereo audio
            try:
                buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
            except Exception as e:
                print(e)
        return buffer

来自：

    def read(self, size = -1):
        buffer = self.wav_reader.readframes(self.wav_reader.getnframes() if size == -1 else size)
        if self.wav_reader.getnchannels() != 1: # stereo audio
            buffer = audioop.tomono(buffer, self.wav_reader.getsampwidth(), 1, 1) # convert stereo audio data to mono
        return buffer

虽然现在它不会引发错误，但转录质量很糟糕。我可以非常准确地运行 python -m speech_recognition，所以我不确定发生了什么。我将 energy_threshold 提高到 4000 以确保它不是环境噪声问题。我什至使用了 2 种不同的识别服务（IBM 和 Google Speech Recognition）。此外，由于某种原因，最后 2 个缓冲区是空字符串，然后我必须将其转换为字节对象

b''
b''

任何建议都会很棒！

【问题讨论】：

python 2 和 3 在处理字符串的方式上可能存在巨大差异，您可以查看：python3porting.com/problems.html。所以不确定这个变化是否非常微不足道..
@toine 这也是我最初的想法，但看起来他们用 Python 3 编写了所有内容，考虑到我遇到的错误，这很奇怪。

标签： python python-3.x speech-recognition

【解决方案1】：

我已经推出了 v3.1.3，它应该可以解决这个问题。使用pip install --upgrade SpeechRecognition 升级并尝试修复！

这里实际上有两个因素：

Python chunk 库中存在一个错误，如果文件指针位于或超过文件末尾，它将返回字符串而不是空字节对象。几个月前已修复此问题，但目前使用的大多数 Python 版本仍然存在该错误。
立体声音频未正确转换为单声道 - 通道仍设置为立体声。这产生了一些有趣的声音！

在此处查看更改：https://github.com/Uberi/speech_recognition

【讨论】：