这就是在包括 Ubuntu 在内的 Linux 系统中将语音转换为文本的方法。

Linux 系统中可用的语音识别软件不多，尤其是原生桌面应用。有一些可用的应用使用 IBM Watson 和其他 API 将语音转换为文本，但它们的用户交互不友好，需要一些复杂的用户交互，例如用相应的语言进行一些编程或脚本编写。

但是，没有多少用户知道 谷歌文档 Google Docs 使用自己的 AI 技术提供了高级语音识别，它可以通过 Chrome 访问谷歌文档使用。

任何用户都可以使用此功能将语音转换为文本，而无需高级计算机知识。谷歌文档的这个功能最好的一点是你可以在任何 Ubuntu 衍生版或任何支持 Chrome 的 Linux 发行版中使用它。

让我们看看如何在 Ubuntu 中启用它。

如何将语音转换为文本

先决条件是你应该在系统中安装 Chrome 并拥有谷歌帐户。如果你没有安装 Chrome，你可以访问 此链接 并下载、安装 Chrome。

此外，如果你没有谷歌帐户，你可以使用 此链接 免费创建一个。

步骤 1

从 Chrome 打开 https://docs.google.com 并创建一个空白文档。

步骤 2

加载空白文档后，从菜单中单击“工具 > 语音输入”。

步骤 3

在左侧，你可以看到一个麦克风图标。单击麦克风图标，Chrome 会首次要求允许通过浏览器访问麦克风。单击允许。

默认情况下，它使用你的系统语言作为语音的检测语言，同时将其转换为文本；但是，你可以根据可用的语言列表将其更改为所需的任何语言。到目前为止，谷歌文档支持和识别超过 60 多种语言，同时将它们转换为文本。

步骤 4

单击允许后，麦克风图标将变为橙色，现在它已准备好接受或识别你的声音。开始说任何你想说的话，瞧！你将看到你的演讲被转换为文本并写入文档。

完成了。你已通过谷歌 Chrome 和谷歌文档在 Ubuntu 中成功地将语音转换为文本。

所有 Linux 用户都可以免费使用这个很棒的功能。如果你知道其他可以在 Linux 中将语音转换为文本的应用，请在下方的评论区发表评论。另外，让我知道你是否觉得这篇文章有用。

故障排除

如果上述功能在你的浏览器中不起作用，请务必查看以下内容。

• 打开设置窗口（在 Ubuntu 或其他发行版的 GNOME 桌面中）。
• 转到“隐私 > 麦克风”。
• 并确保它已启用。

总结

虽然，最近有一种基于云的解决方案可用，例如 Amazon Polly 等。但它们的价格很高。另外还需要一些有用的知识。

而谷歌 Chrome 的内置语音识别功能简单易用。虽然它有点慢，但它可以为普通用户完成工作。

也就是说，我希望本指南可以帮助你将语音转换为文本，如果你知道这样的免费应用，请在评论区告诉我。

via: https://www.debugpoint.com/speech-recognition-to-text-in-linux-ubuntu-using-google-docs/

作者：Arindam 选题：lkxed 译者：geekpi 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

语音文字转换 speech-to-text （STT）系统就像它名字所蕴含的意思那样，是一种将说出的单词转换为文本文件以供后续用途的方式。

语音文字转换技术非常有用。它可以用到许多应用中，例如自动转录，使用自己的声音写书籍或文本，用生成的文本文件和其他工具做复杂的分析等。

在过去，语音文字转换技术以专有软件和库为主导，要么没有开源替代品，要么有着严格的限制，也没有社区。这一点正在发生改变，当今有许多开源语音文字转换工具和库可以让你随时使用。

这里我列出了 5 个。

开源语音识别库

DeepSpeech 项目

该项目由 Firefox 浏览器的开发组织 Mozilla 团队开发。它是 100% 的自由开源软件，其名字暗示使用了 TensorFlow 机器学习框架实现去功能。

换句话说，你可以用它训练自己的模型获得更好的效果，甚至可以用它来转换其它的语言。你也可以轻松的将它集成到自己的 Tensorflow 机器学习项目中。可惜的是项目当前默认仅支持英语。

它也支持许多编程语言，例如 Python（3.6）。可以让你在数秒之内完成工作：

pip3 install deepspeech
deepspeech --model models/output_graph.pbmm --alphabet models/alphabet.txt --lm models/lm.binary --trie models/trie --audio my_audio_file.wav

你也可以通过 npm 安装它：

npm install deepspeech

• 项目主页

Kaldi

Kaldi 是一个用 C++ 编写的开源语音识别软件，并且在 Apache 公共许可证下发布。它可以运行在 Windows、macOS 和 Linux 上。它的开发始于 2009。

Kaldi 超过其他语音识别软件的主要特点是可扩展和模块化。社区提供了大量的可以用来完成你的任务的第三方模块。Kaldi 也支持深度神经网络，并且在它的网站上提供了出色的文档。

虽然代码主要由 C++ 完成，但它通过 Bash 和 Python 脚本进行了封装。因此，如果你仅仅想使用基本的语音到文字转换功能，你就会发现通过 Python 或 Bash 能够轻易的实现。

• 项目主页

Julius

它可能是有史以来最古老的语音识别软件之一。它的开发始于 1991 年的京都大学，之后在 2005 年将所有权转移到了一个独立的项目组。

Julius 的主要特点包括了执行实时 STT 的能力，低内存占用（20000 单词少于 64 MB），能够输出 最优词 N-best word 和 词图 Word-graph ，能够作为服务器单元运行等等。这款软件主要为学术和研究所设计。由 C 语言写成，并且可以运行在 Linux、Windows、macOS 甚至 Android（在智能手机上）。

它当前仅支持英语和日语。软件应该能够从 Linux 发行版的仓库中轻松安装。只要在软件包管理器中搜索 julius 即可。最新的版本发布于本文发布前大约一个半月之前。

• 项目主页

Wav2Letter++

如果你在寻找一个更加时髦的，那么这款一定适合。Wav2Letter++ 是一款由 Facebook 的 AI 研究团队于 2 个月之前发布的开源语言识别软件。代码在 BSD 许可证下发布。

Facebook 描述它的库是“最快、 最先进 state-of-the-art 的语音识别系统”。构建它时的理念使其默认针对性能进行了优化。Facebook 最新的机器学习库 FlashLight 也被用作 Wav2Letter++ 的底层核心。

Wav2Letter++ 需要你先为所描述的语言建立一个模型来训练算法。没有任何一种语言（包括英语）的预训练模型，它仅仅是个机器学习驱动的文本语音转换工具，它用 C++ 写成，因此被命名为 Wav2Letter++。

• 项目主页

DeepSpeech2

中国软件巨头百度的研究人员也在开发他们自己的语音文字转换引擎，叫做“DeepSpeech2”。它是一个端对端的开源引擎，使用“PaddlePaddle”深度学习框架进行英语或汉语的文字转换。代码在 BSD 许可证下发布。

该引擎可以在你想用的任何模型和任何语言上训练。模型并未随代码一同发布。你要像其他软件那样自己建立模型。DeepSpeech2 的源代码由 Python 写成，如果你使用过就会非常容易上手。

• 项目主页

总结

语音识别领域仍然主要由专有软件巨头所占据，比如 Google 和 IBM（它们为此提供了闭源商业服务），但是开源同类软件很有前途。这 5 款开源语音识别引擎应当能够帮助你构建应用，随着时间推移，它们会不断地发展。在几年之后，我们希望开源成为这些技术中的常态，就像其他行业那样。

如果你对清单有其他的建议或评论，我们很乐意在下面听到。

via: https://fosspost.org/lists/open-source-speech-recognition-speech-to-text

作者：Simon James 选题：lujun9972 译者：LuuMing 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

eSpeak 是一个可在 Linux 命令行中使用的开源的 TTS 合成器。

欢迎回到《24 天介绍 Linux 命令行小玩具》。如果这是你首次阅读本系列文章，你可能不知道什么是 Linux 命令行小玩具。无需担心，你只需要边看边体会。通常来说，它有可能是游戏或其它能让你在终端中娱乐的小程序。

或许你已经对一些玩具有了解了，不过我们相信，在本系列文章中总有那么几个你没见过的玩意。

年轻读者可能不知道，在 Alexa、Siri 或 Google Assistant 问世之前，计算机就能说话了。

我们也许永远不会忘记来自 2001 太空漫游) 中与机组人员交流的 HAL 9000。但是在 1960 年代到今天的时间里，是存在着许多能说话的计算机的。它们有些很出色，也有些不那么出色。

其中一个我最爱的是一个叫做 eSpeak 的开源项目。它以多种形式发布，比如可以嵌入你自己项目中的库。与此同时，它也提供了可供你安装的命令行版本。在我所用的发行版中，安装十分简单，只需使用：

$ sudo dnf install espeak

你既可以与 eSpeak 交互，也可以用它来输出其它程序的信息，甚至通过简单的 echo 命令来使用它。这里 有一些可供 eSpeak 使用的声音文件，你可以在无聊时切换他们。甚者你可以制作一个属于你自己的声音。

在 2015 年，一些希望继续 eSpeak 开发的开发者创建了一个名为 eSpeak NG （即 “Next Generation”，“下一代”的意思）的项目。eSpeak 目前在 GPL v3 许可证下开源，你可以在 SourceForge 上详细了解这个项目或下载源代码。

别急，我今天还会介绍一个额外的小程序，它叫 cava。我经常希望用一张独一无二的截图作为我文章的头图，更何况今天的玩具主要是关于声音的，这就图片更少了。因此，我需要一些东西来填补这些空白。Cava 是 基于 ALSA 的命令行音频可视化工具 console-based audio visualizer for ALSA 的简写（尽管它现在支持的比 ALSA 更多），它是一个优秀的命令行音频可视化工具，并且它正以 MIT 许可证开源。下面是一个将 eSpeak 输出可视化的命令：

$ echo "Rudolph, the red-nosed reindeer, had a very shiny nose." | espeak

你想让作者介绍你喜欢的命令行玩具吗？请前往原文下留言，作者可能会考虑介绍的。同时，你也可以去原文下评论你对文章的看法。

欢迎去看看我们昨天介绍的玩具，在 Linux 命令行中使用 nudoku 解决谜题。敬请期待我们明天的文章吧！

via: https://opensource.com/article/18/12/linux-toy-espeak

作者：Jason Baker 选题：lujun9972 译者：zhs852 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

Fedora 工作站默认带有一个小软件，叫做 espeak。它是一个声音合成器 —— 也就是转换文本为声音的软件。

在当今这个世界，发音设备已经非常普遍了。在智能电话、Amazon Alexa，甚至火车站的公告栏中都有声音合成器。而且，现在合成声音已经跟人类的声音很类似了。我们生活在 80bandaid 的科幻电影里！

与前面提到的这些工具相比，espeak 的发音听起来有一点原始。但最终 espeak 可以产生不错的发音效果。而且不管你觉得它有没有用，至少它可以给你带来一些乐趣。

运行 espeak

你可以在命令行为 espeak 设置各种参数。包括：

• 振幅（-a）
• 音高调整 （-p）
• 读句子的速度 （-s）
• 单词间的停顿时间 （-g）

每个选项都能产生不同的效果，你可以通过调整它们来让发音更加清晰。

你也可以通过命令行选项来选择不同的变音。比如，-ven+m3 表示另一种英式男音，而 -ven+f1 表示英式女音。你也可以尝试其他语言的发音。运行下面命令可以查看支持的语言列表：

espeak --voices

要注意，很多非英语的语言发音现在还处于实验阶段。

若要创建相应的 WAV 文件而不是真的讲出来，则可以使用 -w 选项：

espeak -w out.wav "Audio file test"

espeak 还能读出文件的内容。

espeak -f plaintextfile

你也可以通过标准输入传递要发音的文本。举个简单的例子，通过这种方式，你可以创建一个发音盒子，当事件发生时使用声音通知你。你的备份完成了？将下面命令添加到脚本的最后试试效果：

echo "Backup completed" | espeak -s 160 -a 100 -g 4

假如有日志文件中出现错误了：

tail -1F /your/log/file | grep --line-buffered 'ERROR' | espeak

或者你也可以创建一个报时钟表，每分钟报一次时：

while true; do date +%S | grep '00' && date +%H：%M | espeak; sleep 1; done

你会发现，espeak 的使用场景仅仅受你的想象所限制。享受你这会发音的 Fedora 系统吧！

via: https://fedoramagazine.org/add-speech-fedora-system/

作者：Alessio Ciregia 译者：lujun9972 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

eSpeak是一款 Linux 命令行工具，能把文本转换成语音。它是一款简洁的语音合成器，用C语言编写而成，它支持英语和其它多种语言。

eSpeak 从标准输入或者输入文件中读取文本。虽然语音输出与真人声音相去甚远，但是，在你项目需要的时候，eSpeak 仍不失为一个简便快捷的工具。

eSpeak 部分主要特性如下：

• 提供给 Linux 和 Windows 的命令行工具
• 从文件或者标准输入中把文本读出来
• 提供给其它程序使用的共享库版本
• 为 Windows 提供 SAPI5 版本，所以它能用于 screen-readers 或者其它支持 Windows SAPI5 接口的程序
• 可移植到其它平台，包括安卓，OSX等
• 提供多种声音特性选择
• 语音输出可保存为 .WAV 格式的文件
• 配合 HTML 部分可支持 SSML(语音合成标记语言，Speech Synthesis Markup Language)
• 体积小巧，整个程序连同语言支持等占用小于2MB
• 可以实现文本到音素编码（phoneme code）的转化，因此可以作为其它语音合成引擎的前端工具
• 开发工具可用于生产和调整音素数据

安装 eSpeak

基于 Ubuntu 的系统中，在终端运行以下命令安装 eSpeak：

sudo apt-get install espeak

eSpeak 是一个古老的工具，我推测它应该能在其它众多 Linux 发行版中运行，比如 Arch，Fedora。使用 dnf，pacman 等命令就能轻松安装。

eSpeak 用法如下：输入 espeak 运行程序。输入字符按 enter 转换为语音输出（LCTT 译注：补充）。使用 Ctrl+C 来关闭运行中的程序。

还有一些其他的选项可用，可以通过程序帮助进行查看。

GUI 版本：Gespeaker

如果你更倾向于使用 GUI 版本，可以安装 Gespeaker，它为 eSpeak 提供了 GTK 界面。

使用以下命令来安装 Gespeaker：

sudo apt-get install gespeaker

操作界面简明易用，你完全可以自行探索。

虽然这些工具在大多数计算任务下用不到，但是当你的项目需要把文本转换成语音时，使用 espeak 还是挺方便的。是否使用 espeak 这款语音合成器，选择权就交给你们啦。

via: http://itsfoss.com/espeak-text-speech-linux/

作者：Abhishek 译者：soooogreen 校对：Caroline

本文由 LCTT 原创编译，Linux中国 荣誉推出