语音识别在python中并不难，主要通过speechrecognition库实现。1. 安装speechrecognition和依赖：执行pip install speechrecognition及pip install pyaudio，linux或macos可能需额外安装portaudio开发库。2. 实时录音识别：导入模块并创建recognizer对象，使用microphone监听音频，调用recognize_google方法进行识别，支持中文需加language="zh-cn"参数。3. 处理本地音频文件：使用audiofile读取wav文件，同样调用识别引擎处理。4. 可选识别引擎包括cmu sphinx（离线识别）、google cloud speech（付费api）等，可根据需求选择。5. 识别出错时可调整参数如adjust_for_ambient_noise、timeout、phrase_time_limit以优化效果。掌握这些步骤即可实现基础语音助手或控制程序。
语音识别在Python里其实没有想象中那么难，尤其是有了SpeechRecognition这个库之后。它封装了多种语音识别引擎和API，能让你用几行代码就把音频转成文字。
安装SpeechRecognition和依赖项
要使用SpeechRecognition，首先得安装它本身以及相关的依赖。最基础的命令是：
pip install SpeechRecognition
但光这样还不行，因为默认情况下它不带语音识别引擎。如果你打算用Google Web Speech API（免费、无需注册），还需要安装pyaudio来获取麦克风输入：
立即学习“Python免费学习笔记（深入）”；
pip install pyaudio
注意：在Linux或macOS上可能需要额外安装PortAudio开发库才能编译PyAudio。
从麦克风录音并识别
这是最常用也最有意思的部分——实时听你说话然后识别出来。步骤大致如下：
- 导入模块并创建Recognizer对象
- 使用Microphone作为源来监听音频
- 用recognize_google方法进行识别
示例代码：
import speech_recognition as sr
r = sr.Recognizer()
with sr.Microphone() as source:
print("请说话...")
audio = r.listen(source)
try:
text = r.recognize_google(audio, language="zh-CN")
print("你说的是：" + text)
except sr.UnknownValueError:
print("无法识别音频")
except sr.RequestError as e:
print(f"请求出错；{e}")这段代码会监听一次麦克风输入，然后调用Google的API进行识别。如果你希望支持中文，记得加上language="zh-CN"参数。
处理本地音频文件
除了实时录音，SpeechRecognition也能处理WAV格式的音频文件。其他格式比如MP3需要先转换一下。
步骤类似，只是把Microphone换成AudioFile：
with sr.AudioFile('example.wav') as source:
audio = r.record(source) # 读取整个文件然后同样用recognize_google或者其他引擎去识别。这种方法适合做批量语音转文字的任务，比如会议记录、视频字幕提取等。
可选识别引擎和注意事项
SpeechRecognition支持多个引擎，比如CMU Sphinx（本地识别，不需要联网）、Google Cloud Speech（需付费API密钥）、Microsoft Bing Voice Recognition等。
常用的几个方式对比：
- Google Web Speech API：免费，简单好用，但识别中文有时候不太准
- CMU Sphinx：离线可用，速度快，但准确率略低
- Google Cloud Speech：更强大，支持更多语言和高级功能，但需要网络+付费授权
另外，如果识别不出来或者总是出错，可以尝试调整以下参数：
-
adjust_for_ambient_noise()：用于消除背景噪音 -
timeout和phrase_time_limit：控制监听时间长度 - 提高录音质量或改用外接麦克风
基本上就这些。掌握这几个关键点，就能用Python做出一个简单的语音助手或者语音控制程序了。
