如何识别电脑正在播放的音频？附Python实现参考代码

你当前提供的代码默认采集麦克风输入的音频，要识别电脑自身播放的音频，需要先把系统播放的音频流转为音频输入源，再进行采集识别。

第一步：配置系统音频采集源 #

• Windows系统：右键右下角音量图标→打开声音设置→进入声音控制面板→切换到「录制」标签页→右键空白区域勾选「显示禁用的设备」→找到「立体声混音（Stereo Mix）」设备，右键启用并设置为默认录制设备
• Mac系统：安装第三方虚拟音频驱动（如BlackHole），安装完成后将系统输出设备设置为该虚拟驱动，同时将该虚拟驱动设置为系统输入设备
• Linux系统：安装pavucontrol工具，在输入设备配置页将采集源切换为系统输出对应的monitor设备

第二步：查找对应音频设备的索引 #

运行以下代码获取所有可用音频输入设备的索引，找到刚才配置的立体声混音/虚拟音频设备对应的索引值：

import pyaudio

p = pyaudio.PyAudio()
for i in range(p.get_device_count()):
    dev = p.get_device_info_by_index(i)
    print(f"索引{i}：{dev['name']}，最大输入通道数：{dev['maxInputChannels']}")

第三步：调整优化识别代码 #

将刚才查到的设备索引填入代码中Microphone的参数里，同时可以增加降噪校准、指定识别语言的配置，调整后完整代码如下：

import speech_recognition
from speech_recognition import Recognizer, Microphone

r = Recognizer()
# 请把此处的2替换为你上一步查到的对应设备的索引
m = Microphone(device_index=2)

with m as source:
    # 环境噪声校准，提升识别准确率
    r.adjust_for_ambient_noise(source, duration=0.5)
    print("开始识别")
    audio = r.listen(source)
    try:
        # 识别中文需指定language参数为zh-CN，默认识别英文
        text = r.recognize_google(audio, language="zh-CN")
        print(f"识别结果：{text}")
    except Exception as e:
        print(f"识别失败：{str(e)}")

补充说明 #

• 如果谷歌识别接口连接失败，可以替换为百度语音、科大讯飞等国内厂商的语音识别接口，调整对应识别逻辑即可
• 若系统播放的音频包含背景音乐、杂音或者多人同时说话的情况，识别准确率会有所下降，可额外增加音频降噪、人声分离的预处理步骤优化效果

内容的提问来源于stack exchange，提问作者SilverPage