最近因學習任務，對語音識別需要了解，所以現在就把一些學習過程遇到的問題解決方法分享給大家。首先pyhon提供了許多語音識別庫，大致包含：
上述語音識別軟件庫各個之間的側重點不同，如：谷歌雲語音側重語音向文本轉換，又如wit與apiai還提供超出基本語音識別的內置功能（識別講話者意圖的自然語言處理功能）。由於我僅僅是做簡單的中文語音識別，所以使用的是SpeechRcognition這個語音識別庫。
SpeechRcognition的特點優勢
- 滿足幾種主流語音 API ，靈活性高；
- Google Web Speech API 支持硬編碼到 SpeechRecognition 庫中的默認 API 密鑰，無需注冊就可用；
- SpeechRecognition無需構建訪問麥克風和從頭開始處理音頻文件的腳本， 只需幾分鍾即可自動完成音頻輸入、檢索並運行。因此易用性很高。
怎么使用SpeechRcognition？
安裝SpeechRcognition
下載地址：https://pypi.org/project/SpeechRecognition/
安裝命令： pip install SpeechRcognition
不過僅僅安裝這個是不夠的，還需要安裝對應需要的資源庫，如下圖：
SpeechRcognition的識別類（器）
Python開發案例
以上七個中只有 recognition_sphinx（）可與CMU Sphinx 引擎脫機工作， 其他六個都需要連接互聯網。另外，SpeechRecognition 附帶 Google Web Speech API 的默認 API 密鑰，可直接使用它。其他六個 API 都需要使用 API 密鑰或用戶名/密碼組合進行身份驗證。
下面進行中文語音識別
我在這里使用的是recognize_sphinx()語音識別器，它可以脫機工作，但是必須安裝pocketsphinx庫（詳細安裝過程見https://blog.csdn.net/zouxy09/article/details/7942784），若要進行中文識別，還需要兩樣東西
- 一、語音文件 （SpeechRecognition對文件格式有要求）
- 二、中文聲學模型、語言模型和字典文件
下面進行詳細描述
SpeechRecognition支持語音文件類型
WAV: 必須是 PCM/LPCM 格式
AIFF
AIFF-C
FLAC: 必須是初始 FLAC 格式；OGG-FLAC 格式不可用
pocketsphinx需要安裝的中文語言、聲學模型
下載地址：http://sourceforge.net/projects/cmusphinx/files/Acoustic and Language Models/
安裝步驟
下載cmusphinx-zh-cn-5.2.tar.gz並解壓
在python安裝目錄下找到Lib\site-packages\speech_recognition
點擊進入pocketsphinx-data文件夾，並新建文件夾zh-CN
在這個文件夾中添加進入剛剛解壓的文件，需要注意：把解壓出來的zh_cn.cd_cont_5000文件夾重命名為acoustic-model、zh_cn.lm.bin命名為language-model.lm.bin、zh_cn.dic中dic改為dict格式
用聲音控制Windows程序
開發案例