一、实现环境
系统环境：win 10
编译环境：Pycharm 2020.1.4 x64
编程语言：python 3.8.3
依赖库的版本：
- SpeechRecognition 3.8.1
- PocketSphinx 0.1.15
- PyAudio 0.2.11
- Numpy 1.18.1
- Scipy 1.5.1
- wave 0.0.2
如果识别后需要电子语音反馈，还需要安装：
[En]
If you need electronic voice feedback after recognition, you also need to install:
- playsound 1.2.2
- pyttsx3 2.90
二、实现思路：
三、具体实现步骤：
通过 pyaudio 和 scipy.fftpack 实现；
运用双门限法进行音频有效值提取；( 这段代码真的很感谢 rocketeerLi 大神的分享，音频的预处理实在是困扰了我好久，直到看到了 rocketeerLi 大神的文章才解决了我将数学函数代码化的问题 )
原理文章：
关于这一步，基本上有相关的教程。我不会在这里重复它们。你可以自己在互联网上找到教程。
[En]
There are basically related tutorials on this step. I will not repeat them here. You can find tutorials on the Internet on your own.
在这一步你必须要有耐心！你必须要有耐心！你必须要有耐心！
[En]
You must be patient in this step! You must be patient! You must be patient!
循序渐进才能做到，一定要有耐心！
[En]
Follow the steps step by step can be done, must be patient!
- 找到 SpeechRecognition 安装位置，例如我的安装位置为：C:\Users\hp\AppData\Local\Programs\Python\Python37\Lib\site-packages\speech_recognition
- 打开 pocketsphinx-data 文件夹，会发现里面有一个名为 en-US 的文件夹，这个文件夹就是 PocketSphinx 的识别库；
- CMU Sphinx 打开此网站，找到 Mandarin 点进去并下载其中的压缩包并解压；
- 解压并得到 “cmusphinx-zh-cn-5.2” 文件夹，在其中找到 zh_cn.dic 文件，以记事本打开，因为数据量比较大，所以打开的时候可能会卡顿一下。这个文件就是中文的对照表，一定要保存好；
- 在桌面新建一个文件夹，并在里面创建一个名为 command.txt 的文件，在文件中写下你想要定义的中文词汇，例如：
开门
西瓜开门
- Sphinx Knowledge Base Tool – VERSION 3 打开此网站，上传刚刚我们写好的 txt 文件并点击 “COMPILE KNOWLEDGE BASE” 按钮，跳转到新页面后，点击最后一个文件，网页将会自动下载，下载好后解压到桌面；
- 选取文件类型为 “dic”、”lm” 的两个文件剪切到刚刚创建 txt 的文件夹下，将两个文件分别重命名为：
language-model.lm.bin
pronounciation-dictionary.dict
- 打开之前的中文对照表 “zh_cn.dic” 文件，打开我们刚刚改名的 “pronounciation-dictionary.dict” 文件，在 “zh_cn.dic” 文件按下 Ctrl+f 搜索你的自定义词汇，复制其中的译音文字，粘贴到我们 “pronounciation-dictionary.dict” 文件中相对应的词汇后面，如果中文对照表中没有你要的词，可以单个字搜索，然后拼接起来，例如：
开门 k ai1 m en2
西瓜开门 x i1 g ua1 k ai1 m en2
（注意：中文和译音文字之间有一个Tab的空格，每个译音文字之间有个空格，比如 "西瓜 x i1+空格+g ua1"）
- 保存文件后，将我们自己的两个文件替换掉 “cmusphinx-zh-cn-5.2” 文件夹中的 “zh_cn.dic” 文件和 “zh_cn.lm.bin” 文件（注意，记得先将 “zh_cn.dic” 文件先保存到另一个地方，方便以后自定义词汇时使用），将 “cmusphinx-zh-cn-5.2” 文件夹名称改为 “zh-CN” ，打开 C:\Users\hp\AppData\Local\Programs\Python\Python37\Lib\site-packages\speech_recognition 将文件夹放进去，参照 “en_US” 文件夹中的命名，将 “zh-CN” 文件夹中的文件检查一边，没有按照 “en_US” 文件夹命名的，全都更改过来；
至此，中文指挥词汇定制工作已经完成。调用方法：
[En]
At this point, the customization of Chinese command vocabulary has been completed. Call method:
print(r.recognize_sphinx(audio, language='zh-cn'))
直接调用已安装好的 PocketSphinx API 即可，注意 SpeechRecognition 在导入时需要写成 speech_recognition 的形式，否则会报错；
SpeechRecognition 库的具体用法可以参考以下文章：
注意：这里的识别表现出来的反应基本在 7s 左右，其实不是识别的速度慢，而是 pyttsx3 的语音回馈慢，自定义词的识别速度与您自定义词库的大小有关，一般自定义词库的识别速度在 1~2s 左右，当然，要想提高 pyttsx3 语音回馈的反应速度也有其他的解决方法，就是将您希望用到的回馈语音先保存下来，提取有效片段，在语音识别完成后利用 Playsound库进行播放也可以达到高速反应的目的；
至此，pyhton基于PocketSphinx实现简单语音识别项目结束
如果您对项目有什么疑问，欢迎您给我发送邮件进行讨论：damowangazhong@gmail.com
特别感谢 rocketeerLi 大神，虽然我们素未谋面，但是您的文章确实对我启发极大，解决了我在这个项目上的大部分疑问，希望大家也去看看 rocketeerLi 大神的文章，真的写得很棒！
Original: https://blog.csdn.net/Zbreakzhong/article/details/109127837
Author: 疯人忠
Title: python基于PocketSphinx实现简单语音识别
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/515526/
转载文章受原作者版权保护。转载请注明原作者出处！