錄下我們需要的音訊

有時你不會想要整個音訊檔。record() 方法的 duration 和 offset 參數可以幫上忙。

在探索資料集後，你發現有一個檔案（已匯入為 nothing_at_end）在結尾有「30 秒的靜音」（https://assets.datacamp.com/production/repositories/4637/datasets/ca799cf2a7b093c06e1a5ae1dd96a49d48d65efa/30-seconds-of-nothing-16k.wav），以及一個客服通話檔（已匯入為 out_of_warranty）在開頭有「3 秒的雜訊」（https://assets.datacamp.com/production/repositories/4637/datasets/dbc47d8210fdf8de42b0da73d1c2ba92e883b2d2/static-out-of-warranty.wav）。

設定 duration 和 offset 代表 record() 會從 offset 開始，錄到最多 duration 秒的音訊。兩者的單位都是秒。

本練習屬於課程

Python 的口語語言處理

檢視課程

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Convert AudioFile to AudioData
with nothing_at_end as source:
    nothing_at_end_audio = recognizer.record(source,
                                             duration=____,
                                             offset=None)

# Transcribe AudioData to text
text = recognizer.recognize_google(nothing_at_end_audio,
                                   language="en-US")

print(text)

編輯並執行程式碼