如何实现HTML5语音识别功能

Posted 2023-04-25

参考技术A

目前这个功能据说只有google的chrome 11+浏览器支持。

具体实现：添加了指定属性的文本输入框。如：<input

x-webkit-speech />，即可看到如下效果：

如果想指定语言类别，还可以增加lang属性，如：<input
x-webkit-speech lang="zh-CN"
/>。以及表示语法的（据说bUIltin:search可以过滤助词，不过我没测试过）：<input x-webkit-speech x-webkit-grammar="bUIltin:search" />

还有一个onwebkitspeechchange的方法，发生在语言识别成功，且文字输入到文本框后触发。

input.onwebkitspeechchange = function()
// ...
;

本回答被提问者采纳 参考技术B 如果想指定语言类别，还可以增加lang属性，如：<inputx-webkit-speech lang="zh-CN"/>。以及表示语法的（据说bUIltin:search可以过滤助词）：<input x-webkit-speech x-webkit-grammar="bUIltin:search" />
还有一个onwebkitspeechchange的方法，发生在语言识别成功，且文字输入到文本框后触发。 参考技术C

使用html进行语音识别，不如借助专业的语音识别软件，真的；

专业的语音识别软件，使用起来放心，比如说下面的这款带有语音识别功能的软件；

第一：打开文字识别工具（推荐迅 捷ocr文字识别软件），选择上面的语音识别功能；

第二：通过左上角的添加文件，将需要识别的语音文件添加进去；

第三：最后点击右边的开始识别按钮，就等待着完成了。

等不了多久的，只需要几秒钟便可以了，希望上面的叙述可以帮助到您！

基于百度语音识别API的Python语音识别小程序

一、功能概述

实现语音为文字，可以扩展到多种场景进行工作，这里只实现其基本的语言接收及转换功能。
在语言录入时，根据语言内容的多少与停顿时间，自动截取音频进行转换。
工作示例：

二、软件环境

• 操作系统：win10

• 语言：Python 版本：3.6.0

• Python库：AipSpeech(百度语音识别SDK客户端），wave，PyAudio，paInt16

  Python库安装：除百度为：pip install baidu-aip，其他直接 pip install *（库名） 即可。

三、原理概述

利用wave，PyAudio搭建一个wav格式的简易录音机，基于百度API进行wav格式的音频转文本。

• 简易录音机类（WWAV）有__save_wave_file音频文件保存方法与my_record音频录制方法。在录制音频的方法中，加入了有效音频测试的代码，可以测试一小段时间内是否有有效音频输入，否则退出音频录制。
• 转换类（Translation）则为__get_file_content方法与get_word音频转换主方法。

四、核心代码

my_record音频录制方法（WWAV类）

def my_record(self,TIME = 60,INTERVAL = 5):
    \'\'\'录制并保存音频文件，TIME录制时间，INTERVAL测试间隔\'\'\'
    pa=PyAudio()
    tr = Translation()
    stream=pa.open(format = paInt16,channels=self.__channels,
                   rate=self.__framerate,input=True,
                   frames_per_buffer=self.__NUM_SAMPLES)
    my_buf=[] # 主音频源
    buf=[] # 测试音频源
    i=0
    while i < TIME*2: #控制录音时间
        string_audio_data = stream.read(self.__NUM_SAMPLES)  # 获取音频片段
        my_buf.append(string_audio_data)
        
        if i < INTERVAL*2:
            buf.append(string_audio_data)
            i += 1
        elif i == INTERVAL*2:
            self.__save_wave_file(\'00.wav\',buf) # 保存测试音频
            err,a = tr.get_word(\'00.wav\') # 得到测试音频是否有效
            if err == 0:
                break
            i = 0 # 初始化
            buf = [] # 同上
    
        print(\'.\',end = \' \')
    self.__save_wave_file(\'01.wav\',my_buf)
    stream.close()

get_word音频转换方法（Translation类）

def get_word(self,filePath):
    \'\'\'音频转文字，参数filePath为wav音频地址，返回双值：状态(1为转换成功)及转换后文本或错误信息\'\'\'
    word = self.__client.asr(self.__get_file_content(filePath),\'wav\',8000,{
        \'lan\': \'zh\'
        }) # 参数：语音对象，文件格式，采样率，语种类型

    if word[\'err_no\'] == 0: # 错误值为0（即正确）
        return 1,word[\'result\'][0] # 返回 1 与 文本信息
    else:
        return 0,word[\'err_no\'] # 否则返回 0 与 错误内容

源码

GitHub地址

附：我又回来了，这个是不是大项目，正在写，敬请期待！寒假会更一些学习笔记，一起加油

以上