Python speech_recognition调用listen/无时长record无返回 如何实现停讲自动识别

问题原因 #

• 缺少环境噪声校准步骤：speech_recognition的识别器实例默认没有适配当前环境的背景噪音，会把环境底噪一直判定为有效语音输入，因此永远不会触发“停止录制”的逻辑。
• 无时长限制的record()方法判定逻辑不符合需求：文档中提到的“录制直到没有音频输入为止”，是指音频流完全中断的情况，你手动静音麦克风后，音频输入流依然存在只是音量极低，不会触发停止条件，因此不要用无duration参数的record()实现自动停录。
• 未配置listen()方法的静默判定参数：listen()默认的静默等待阈值不符合使用预期，需要主动配置。

解决步骤 #

1. 打开麦克风后先执行环境噪声校准，让识别器区分背景音和人声
2. 主动设置静默判定阈值：即用户停止说话多久后判定为录音结束
3. 改用listen()方法实现自动停录，不要用无时长的record()

修正后可运行的代码示例 #

import speech_recognition as sr

class Voice:
    def __init__(self) -> None:
        r = sr.Recognizer()
        # 配置静默判定阈值：停止说话1秒后就判定为录音结束，可根据需求调整数值
        r.pause_threshold = 1
        # 可选：手动设置人声能量阈值，环境噪音大时可以适当调大该值，默认是300
        # r.energy_threshold = 400

        with sr.Microphone() as source:
            print("校准环境噪音中，请稍等...")
            # 校准当前环境的背景噪音，默认监听1秒环境音，可加duration参数调整校准时长
            r.adjust_for_ambient_noise(source, duration=0.5)
            print("请开始说话：")
            
            # 监听音频，自动识别停止说话后结束录制
            # 可选参数：timeout=5 代表5秒内没检测到人声就抛出超时异常
            # 可选参数：phrase_time_limit=10 代表最多录10秒就自动停止
            audio_data = r.listen(source)

            print("识别中...")
            try:
                text = r.recognize_google(audio_data, language="es-ES")
                print(f"识别结果：{text}")
            except sr.UnknownValueError:
                print("无法识别语音内容")
            except sr.RequestError as e:
                print(f"请求谷歌识别服务失败：{e}")

if __name__ == "__main__":
    new_voice = Voice()

内容的提问来源于stack exchange，提问作者Felipe Cristiano