SpeechRecognition: Python में वॉइस रिकॉग्निशन की लाइब्रेरी

परिचय

आज के समय में वॉइस असिस्टेंट, ट्रांसक्रिप्शन सिस्टम और वॉइस कंट्रोल तकनीकें स्पीच रिकॉग्निशन (वाक् पहचान) पर आधारित हैं। Python आपको SpeechRecognition लाइब्रेरी के जरिए इन तकनीकों को आसानी से अपने ऐप में शामिल करने की सुविधा देता है। यह एक लचीला और शक्तिशाली टूल है जो ऑडियो सिग्नल को टेक्स्ट में बदलता है।

यह लाइब्रेरी ऑडियो फ़ाइलों के साथ काम करने और माइक्रोफोन से सीधे आवाज़ कैप्चर करने दोनों को सपोर्ट करती है। साथ ही, यह Google, IBM, Sphinx जैसे कई क्लाउड और लोकल रिकॉग्निशन इंजनों से जुड़ती है। अपनी सादगी और बहुमुखी प्रतिभा के कारण, Python में स्पीच रिकॉग्निशन के लिए यह एक मानक लाइब्रेरी बन गई है।

SpeechRecognition लाइब्रेरी क्या है?

SpeechRecognition एक लोकप्रिय ओपन-सोर्स Python लाइब्रेरी है, जिसे Anthony Zhang ने बनाया है। इसका उद्देश्य स्पीच रिकॉग्निशन तकनीक को आपके एप्लिकेशन में आसानी से जोड़ना है। यह कई अलग-अलग रिकॉग्निशन इंजनों के लिए एक समान इंटरफ़ेस प्रदान करती है, जिससे यह शुरुआती और अनुभवी डेवलपर्स दोनों के लिए एक बेहतरीन विकल्प बन जाती है।

लाइब्रेरी की मुख्य विशेषताएं

SpeechRecognition लाइब्रेरी में ये खास बातें हैं:

• क्रॉस-प्लेटफ़ॉर्म: Windows, macOS और Linux तीनों पर काम करती है
• कई API सपोर्ट: 7 से अधिक अलग-अलग रिकॉग्निशन सेवाओं से जुड़ सकती है
• उपयोग में आसान: बुनियादी कामों के लिए बहुत कम कोड की जरूरत होती है
• सेटिंग्स में लचीलापन: खास जरूरतों के हिसाब से कॉन्फ़िगरेशन के कई विकल्प
• सक्रिय कम्युनिटी: नियमित अपडेट और सहायता उपलब्ध

लाइब्रेरी की संरचना (आर्किटेक्चर)

SpeechRecognition मॉड्यूलर डिज़ाइन पर बनी है, जिसके मुख्य भाग इस प्रकार हैं:

• Recognizer — रिकॉग्निशन को मैनेज करने वाला सेंट्रल क्लास
• AudioSource — ऑडियो स्रोतों (फ़ाइल, माइक्रोफोन) के लिए एब्स्ट्रैक्शन
• AudioData — ऑडियो डेटा को स्टोर करने का कंटेनर
• Engines — अलग-अलग रिकॉग्निशन सेवाओं के लिए एडॉप्टर

इंस्टॉलेशन और डिपेंडेंसी सेटअप

बेसिक इंस्टॉलेशन

pip install SpeechRecognition

अतिरिक्त डिपेंडेंसी

अलग-अलग ऑडियो स्रोतों के साथ पूरी तरह काम करने के लिए कुछ अतिरिक्त पैकेज चाहिए:

माइक्रोफोन के लिए:

pip install pyaudio

अतिरिक्त ऑडियो फॉर्मेट के लिए:

pip install pydub

Google Cloud Speech API के लिए:

pip install google-cloud-speech

अलग-अलग प्लेटफ़ॉर्म पर इंस्टॉलेशन

Windows

Windows पर pyaudio इंस्टॉल करने में दिक्कत हो सकती है। पहले से कंपाइल किए गए wheel फ़ाइल का उपयोग करें:

pip install pipwin
pipwin install pyaudio

macOS

brew install portaudio
pip install pyaudio

Linux (Ubuntu/Debian)

sudo apt-get install python3-pyaudio

इम्पोर्ट और मुख्य कंपोनेंट

import speech_recognition as sr

मुख्य क्लास और उनका उपयोग

• Recognizer() — स्पीच रिकॉग्निशन के लिए मुख्य क्लास
• AudioFile() — ऑडियो फ़ाइलों के साथ काम करने का क्लास
• Microphone() — माइक्रोफोन के साथ काम करने का क्लास

ऑडियो फ़ाइलों के साथ काम करना

सपोर्टेड फॉर्मेट

SpeechRecognition इन ऑडियो फॉर्मेट को सपोर्ट करती है:

• WAV —