摘要：之前我們總結(jié)了使用谷歌將語音轉(zhuǎn)換為文字的基本流程，然而那只是在命令行中使用實(shí)現(xiàn)的。配置開發(fā)環(huán)境筆者使用的是樹莓派進(jìn)行試驗(yàn)的，其他平臺(tái)的配置方法可以在這里查找。設(shè)置驗(yàn)證登錄谷歌云平臺(tái)控制臺(tái)，前往創(chuàng)建服務(wù)賬號(hào)密鑰界面。

之前我們總結(jié)了使用谷歌Cloud Speech API將語音轉(zhuǎn)換為文字的基本流程，然而那只是在命令行中使用curl實(shí)現(xiàn)的。這次我們將總結(jié)在Python中使用Cloud Speech API的方法。

筆者使用的是樹莓派（Debian）進(jìn)行試驗(yàn)的，其他平臺(tái)的配置方法可以在這里查找。

大多數(shù)Linux發(fā)行版都包含Python。對(duì)于Debian和Ubuntu，運(yùn)行以下指令確保Python版本是最新的：

sudo apt update
sudo apt install python python-dev python3 python3-dev python-pip python3-pip

盡管這一步不是必須的，但強(qiáng)烈建議你使用virtualenv。virtualenv是一種創(chuàng)建獨(dú)立Python環(huán)境的工具，可以將每個(gè)項(xiàng)目的依賴關(guān)系隔離開來。在虛擬環(huán)境下，你可以不必顧慮python2和python3的沖突；另外一個(gè)優(yōu)勢(shì)是可以直接將你的項(xiàng)目文件夾復(fù)制到其他機(jī)器上，文件夾內(nèi)就包含了項(xiàng)目所依賴的軟件包。

sudo apt install python-virtualenv

安裝完成后，就可以在你的項(xiàng)目文件夾中創(chuàng)建一個(gè)虛擬環(huán)境。

cd 項(xiàng)目文件夾
virtualenv --python python3 env

使用 --python 標(biāo)志來告訴virtualenv要使用哪個(gè)Python版本，這次試驗(yàn)將全程以python3環(huán)境進(jìn)行。執(zhí)行后會(huì)在 項(xiàng)目文件夾 內(nèi)創(chuàng)建一個(gè) env 文件夾。

創(chuàng)建完成后，你需要“激活”virtualenv。激活virtualenv會(huì)告訴你的shell為Python使用virtualenv的路徑。

source env/bin/activate

看到激活虛擬環(huán)境后，你就可以放心地安裝軟件包，并確信它們不會(huì)影響其他項(xiàng)目。

如果你想停止使用virtualenv并返回到全局Python環(huán)境，你可以關(guān)閉它：

deactivate

我們假定你已經(jīng)有合適的代理，能夠使用谷歌服務(wù)，并且已經(jīng)開始使用Google云平臺(tái)。如果你有疑問，或許可以參考這篇文章。

如果你安裝了virtualenv，請(qǐng)確保激活了虛擬環(huán)境。

pip install --upgrade google-cloud-speech

值得一提的是，筆者使用的樹莓派在安裝進(jìn)行到 Running setup.py bdist_wheel for grpcio ... 時(shí)停留了非常久（10分鐘以上），這屬于正?，F(xiàn)象，樹莓派編譯進(jìn)行得很慢，需要耐心等待。

登錄谷歌云平臺(tái)控制臺(tái)，前往創(chuàng)建服務(wù)賬號(hào)密鑰界面。

從 服務(wù)帳戶 下拉列表中選擇 新建服務(wù)帳戶 。輸入合適的 服務(wù)帳號(hào)名稱 ， 角色 選擇 Project → 所有者 。 密鑰類型 選擇 JSON 。

點(diǎn)擊 創(chuàng)建 后，會(huì)開始下載包含密鑰的JSON文件，請(qǐng)妥善保存 。

最后，將環(huán)境變量 GOOGLE_APPLICATION_CREDENTIALS 設(shè)置為含密鑰的JSON文件的文件路徑，例如：

export GOOGLE_APPLICATION_CREDENTIALS="/home/pi/speech/speech-account.json"

請(qǐng)將 /home/pi/speech/speech-account.json 替換為你的json文件路徑。

當(dāng)然，直接輸入上述命令設(shè)置的環(huán)境變量是臨時(shí)的。一個(gè)比較實(shí)用的方法是在 ~/.bashrc 文件中設(shè)置環(huán)境，之后就不需要再手動(dòng)設(shè)置了。

sudo nano ~/.bashrc

在文件末尾插入上述 export 命令，保存。

下例給出了使用客戶端庫(kù)的方法。

import io
import os

# Imports the Google Cloud client library
from google.cloud import speech
from google.cloud.speech import enums
from google.cloud.speech import types

# Instantiates a client
client = speech.SpeechClient()

# The name of the audio file to transcribe
file_name = os.path.join(
    os.path.dirname(__file__),
    "voice.wav")

# Loads the audio into memory
with io.open(file_name, "rb") as audio_file:
    content = audio_file.read()
    audio = types.RecognitionAudio(content=content)

config = types.RecognitionConfig(
    encoding=enums.RecognitionConfig.AudioEncoding.LINEAR16,
    sample_rate_hertz=16000,
    language_code="cmn-Hans-CN")

# Detects speech in the audio file
response = client.recognize(config, audio)

for result in response.results:
    print("Transcript: {}".format(result.alternatives[0].transcript))
    print("Confidence: {}".format(result.alternatives[0].confidence))

幾點(diǎn)說明：

file_name 給出了聲音文件的路徑。其中 os.path.dirname(__file__) 表示py代碼所在文件夾的路徑。故上例中聲音文件是py代碼相同目錄下的 voice.wav 。

config 給出了聲音文件的編碼信息，Cloud Speech API并不支持任意格式的聲音文件，詳細(xì)要求參見：AudioEncoding | Google Cloud Speech API 。

language_code="cmn-Hans-CN" 表示識(shí)別語言為中文普通話。常用的還有American English (en-US)、British English (en-GB)、日本語(ja-JP)、廣東話(yue-Hant-HK)。更多語言支持可以在Language Support | Google Cloud Speech API查詢。

運(yùn)行結(jié)果：

"Confidence"是置信度，越接近1準(zhǔn)確性越高。

至此，Cloud Speech API的使用總結(jié)就告一段落了，希望能對(duì)你有所幫助。這篇總結(jié)是參照著Google Cloud Speech API文檔寫下的，如果有何紕漏懇請(qǐng)指出。

感謝你閱讀文章！