我已经使用谷歌语音到文本 api 制作了一个工作语音到文本程序，该程序记录语音并将其复制到 .txt 中，但是，谷歌语音 api 不会监听很长时间（大约 9 秒），有什么办法可以增加这个时间，或者在 python 中使用更好的 api，可以边听边写？

import time
import speech_recognition as sr
import sys
import fileinput
r=sr.Recognizer()
#tells the program to use a mic and to listen
with sr.Microphone() as source:
    audio=r.listen(source)
#asking the program to try to listen
try:
    spoken = r.recognize_google(audio)

    print("I heard:"+spoken)

except Exception:
    print ("Somthing went wrong")
#writing what was recorded by the mic into a .txt
with open("name-of-file.txt", "a") as f:
    f.write("\n")
    f.write(time.strftime("%H:%M:%S") + " " + time.strftime("%d/%m/%Y"))
    f.write("\n")
    f.write(spoken)

预期结果： 程序同时听和写 或者 该程序可以监听直到关闭。 实际结果： 程序监听约 9 秒，然后打印到 .txt

语音识别是一个非常好的库，但我也不得不与录音长度作斗争。以下是我解决该问题的方法：

将音频保存到磁盘

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.record(source)

优点：与流媒体相比，录制到音频文件然后向谷歌发送更长的块给了我更一致的录制长度。

缺点：根据音频文件的大小，这可能会带来将响应时间延长到几秒钟的缺点，这在您的情况下可能无法使用。

最小化本底噪声

您可能已经非常清楚，更好的信噪比将提供更好的 STT 准确性 - 但我也发现这对于语音识别库的良好块大小至关重要。

仔细检查您的本底噪声是否可以轻松与源区分开。录制音频也可以帮助您解决此问题。有时，使用语音识别库可能会导致音频过早中断，因为它无法清楚地检测到您正在说话。

如果无法提高麦克风的质量或接近度，库中包含一个工具，可以校准音频电平以实现最佳的信号噪声区分。

要激活此功能，而不是使用以下命令：

audio=r.listen(source)

尝试使用：

audio=r.adjust_for_ambient_noise(source)

请注意，此功能在某些情况下会增加少量延迟。在其他情况下，如果您向它提供嘈杂的音频，它会无限期地继续监听。

结合一切

with sr.AudioFile('path/to/audiofile.wav') as source:
    audio = r.adjust_for_ambient_noise(source)

这是这个库的一个很好的指南 -Python 语音识别终极指南 https://realpython.com/python-speech-recognition/