Python获取Speech to text语音音频数据

Question

我需要你的帮助，因为目前我使用“pyttsx3”中的“engine.say()”，所以我的程序会和我“说话”。这已经可以了，但现在我想要这个声音的音频可视化器，我该怎么做？

示例

import pyttsx3

engine = pyttsx3.init()

engine.say("Hello World")
engine.runAndWait()

我想要something like this。

我有什么

import pyaudio
import struct
import matplotlib.pyplot as plt
import numpy as np

mic = pyaudio.PyAudio()
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 5000
CHUNK = 3000#int(RATE/20)
stream = mic.open(format=FORMAT, channels=CHANNELS, rate=RATE, input=True, output=True, frames_per_buffer=CHUNK)

fig, ax = plt.subplots(figsize=(14,6))
x = np.arange(0, 2 * CHUNK, 2)
ax.set_ylim(-500, 500)
ax.set_xlim(0, CHUNK)
line, = ax.plot(x, np.random.rand(CHUNK))


while True:
    data = stream.read(CHUNK)
    data = np.frombuffer(data, np.int16)
    line.set_ydata(data)
    fig.canvas.draw()
    fig.canvas.flush_events()
    plt.pause(0.01)

这已经可视化了我的麦克风音频，但我怎样才能使声音成为源？ 希望您能帮帮我，非常感谢！

Answer 1

我认为你需要的是 - Realtime_PyAudio_FFT

这样做的好处之一是

启动一个 stream_reader，它使用 PyAudio（声卡、麦克风等）从任何来源提取实时音频数据

由于您将使用pyttsx3 播放音频，它可以从声卡中提取音频并显示实时可视化。对于您的情况，这是一个更好的选择，而不是通过麦克风提取它。

此外，如果音频由同一线程执行，您可能需要启用线程或多处理来可视化音频。这是一个很好的指南 - threading or multiprocessing