PyTelegramBotAPI и распознавание речи

Я создаю бота Telegram, используя pyTelegramBotAPI. Предполагается, что бот получает голосовое сообщение от пользователя и выполняет распознавание текста с помощью библиотеки SpeechRecognition. Насколько я знаю, голосовые сообщения телеграммы представляют собой файлы ogg, а распознавание речи не поддерживает ogg, поэтому мне нужно преобразовать его либо в wav, либо в flac (или любой другой формат, поддерживаемый SpeechRecognition). Делаю так, как предложено здесь Как преобразовать голос Telegram в волновой файл на питоне

Однако следующий код...

@bot.message_handler(content_types=['voice', 'audio'])
def get_audio_messages(message):
    r = sr.Recognizer()
    
    file_info = bot.get_file(message.voice.file_id)
    downloaded_file = bot.download_file(file_info.file_path)
    with open('user_voice.ogg', 'wb') as new_file:
        new_file.write(downloaded_file)

    src_filename = 'user_voice.ogg'
    dest_filename = 'user_voice_output.flac'

    process = subprocess.run(['C:\\ffmpeg\\bin\\ffmpeg.exe', '-i', src_filename, dest_filename])
    if process.returncode != 0:
        raise Exception("Something went wrong")

    with open('user_voice_output.flac', 'rb') as user_audio:
        text = r.recognize_google(user_audio)
        bot.send_message(message.from_user.id, text)

    

... по-прежнему выдает следующую ошибку:

line 822, in recognize_google assert isinstance(audio_data, AudioData), "``audio_data`` must be audio data" 
    AssertionError: ``audio_data`` must be audio data

Я что-то упустил о преобразовании ogg в flac или ogg в wav?

Отвечает ли это на ваш вопрос? Как преобразовать голос Telegram в файл волны в python

mkrieger1 22.12.2020 22:39

@mkrieger1 Спасибо, мне удалось преобразовать его в wav, однако я все еще получаю ошибку * audio_data must be audio data*, когда я загружаю файл wav в SpeechRecognizer. То же самое произойдет, если я конвертирую голосовое сообщение во flac вместо wav.

Farrukh Tashpulatov 23.12.2020 15:35
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
2
1 425
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я нашел ответ здесь https://s3.amazonaws.com/assets.datacamp.com/production/course_17718/slides/chapter2.pdf

import speech_recognition as sr    
user_audio_file = sr.AudioFile("user_voice_output.wav")
with user_audio_file as source:
    user_audio = r.record(source)
text = r.recognize_google(user_audio, language='en-US')

Другие вопросы по теме