Xử lý Ngôn ngữ Nói bằng Python

Nhận dạng giọng nói vẫn còn cách xa mức hoàn hảo. Nhưng thư viện SpeechRecognition cung cấp cách đơn giản để tương tác với nhiều API chuyển giọng nói thành văn bản. Trong phần này, bạn sẽ học cách dùng thư viện SpeechRecognition để nhanh chóng bắt đầu chuyển ngôn ngữ nói trong các tệp âm thanh của bạn thành văn bản.

Không phải tệp âm thanh nào cũng có cùng hình dạng, kích thước hoặc định dạng. May mắn là thư viện PyDub của James Robert cung cấp các công cụ để bạn có thể lập trình thay đổi các thuộc tính khác nhau của tệp âm thanh như tốc độ khung (frame rate), số kênh, định dạng tệp và hơn thế nữa. Trong chương này, bạn sẽ học cách dùng thư viện hữu ích này để đảm bảo mọi tệp âm thanh của bạn đều ở đúng định dạng để phiên âm.

Trong chương này, bạn sẽ tổng hợp mọi thứ đã học bằng cách xây dựng một dự án minh chứng năng lực xử lý lời nói cho công ty công nghệ Acme Studios. Bạn sẽ bắt đầu bằng cách phiên âm các đoạn âm thanh cuộc gọi hỗ trợ khách hàng thành văn bản. Sau đó bạn sẽ thực hiện phân tích cảm xúc bằng NLTK, nhận dạng thực thể có tên bằng spaCy và phân loại văn bản bằng scikit-learn trên phần văn bản đã phiên âm.