Python语音识别无法正常工作，识别结果差的问题求助

我之前也碰到过完全一样的情况！结合你的描述和相关问题记录，下面几个方法应该能帮你解决问题：

1. 明确指定麦克风参数（与录音脚本对齐） #

你的录音脚本用的是44100采样率、1024 chunk大小、双声道，但speech_recognition的Microphone类默认参数可能和这个不匹配，导致录制的音频格式错乱（出现低沉缓慢的变声效果）。修改初始化代码，明确传入这些参数：

import pyaudio
import speech_recognition as sr

def initSpeech():
    r = sr.Recognizer()
    # 明确指定麦克风参数，和你的录音脚本保持一致
    mic = sr.Microphone(
        sample_rate=44100,
        chunk_size=1024
    )
    with mic as source:
        r.adjust_for_ambient_noise(source, duration=2)
        print("Set minimum energy threshold to {}".format(r.energy_threshold))
        print("Say something")
        audio = r.listen(source, phrase_time_limit=10)
        
        # 保存音频时强制匹配录音脚本的格式
        with open("microphone-results.wav", "wb") as f:
            f.write(audio.get_wav_data(convert_width=2))
            
    command = ""
    try:
        command = r.recognize_google(audio)
    except sr.UnknownValueError:
        print("Couldn't understand you!")
    except sr.RequestError as e:
        print(f"Could not request results from Google Speech Recognition service; {e}")
    print(command)

initSpeech()

2. 确认并指定正确的麦克风设备索引 #

Windows系统可能存在多个音频输入设备（比如内置麦克风、外接耳机麦），speech_recognition可能默认选中了错误的设备。先列出所有可用麦克风：

import speech_recognition as sr
for idx, name in enumerate(sr.Microphone.list_microphone_names()):
    print(f"设备索引 {idx}: {name}")

找到你实际使用的麦克风对应的索引，然后在初始化Microphone时加上device_index参数：

mic = sr.Microphone(
    device_index=你的设备索引,
    sample_rate=44100,
    chunk_size=1024
)

3. 调整噪音阈值与监听参数 #

有时候adjust_for_ambient_noise的效果不够理想，导致语音没有被正确捕捉。可以尝试调整相关参数：

with mic as source:
    r.adjust_for_ambient_noise(source, duration=3)  # 延长环境噪音采集时间，让阈值更准确
    r.energy_threshold += 500  # 手动提高阈值，过滤轻微背景噪音
    audio = r.listen(source, phrase_time_limit=15)  # 延长语音监听时长

这些调整应该能解决音频格式错乱的问题，进而让Google语音识别正常工作。

内容的提问来源于stack exchange，提问作者Tobias Schäfer