微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

pyTelegramBotAPI 和语音识别

如何解决pyTelegramBotAPI 和语音识别

我正在使用 pyTelegramBotAPI 构建 Telegram 机器人。该机器人应该从用户那里获取语音消息并使用 SpeechRecognition 库执行文本识别。据我所知,电报语音消息是 ogg 文件,而语音识别不支持 ogg,因此我需要将其转换为 wav 或 flac(或 SpeechRecognition 支持的任何其他格式)。我正在按照此处的建议进行操作 How to convert Telegram voice in a wave file in python

但是下面的代码...

@bot.message_handler(content_types=['voice','audio'])
def get_audio_messages(message):
    r = sr.Recognizer()
    
    file_info = bot.get_file(message.voice.file_id)
    downloaded_file = bot.download_file(file_info.file_path)
    with open('user_voice.ogg','wb') as new_file:
        new_file.write(downloaded_file)

    src_filename = 'user_voice.ogg'
    dest_filename = 'user_voice_output.flac'

    process = subprocess.run(['C:\\ffmpeg\\bin\\ffmpeg.exe','-i',src_filename,dest_filename])
    if process.returncode != 0:
        raise Exception("Something went wrong")

    with open('user_voice_output.flac','rb') as user_audio:
        text = r.recognize_google(user_audio)
        bot.send_message(message.from_user.id,text)

    

... 仍然产生以下错误

line 822,in recognize_google assert isinstance(audio_data,AudioData),"``audio_data`` must be audio data" 
    AssertionError: ``audio_data`` must be audio data

我是否遗漏了 ogg 到 flac 或 ogg 到 wav 的转换?

解决方法

我在这里找到了答案https://s3.amazonaws.com/assets.datacamp.com/production/course_17718/slides/chapter2.pdf

import speech_recognition as sr    
user_audio_file = sr.AudioFile("user_voice_output.wav")
with user_audio_file as source:
    user_audio = r.record(source)
text = r.recognize_google(user_audio,language='en-US')

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?