python语音识别怎么降噪

在 Python 里做语音识别降噪，通常分三种思路：录音前/录音时降噪、用音频处理库降噪、用模型端到端降噪。下面按“实用程度”给你一套清晰方案。

一、最简单：用 noisereduce（推荐新手）

适合：已有音频文件（wav/mp3），识别前先降噪

安装

pip install noisereduce numpy scipy soundfile

示例

import noisereduce as nr
import soundfile as sf

# 读音频
data, rate = sf.read("test.wav")

# 降噪（stationary=True 表示稳态噪声，如风扇声）
reduced = nr.reduce_noise(
    y=data,
    sr=rate,
    stationary=True,
    prop_decrease=0.8
)

sf.write("clean.wav", reduced, rate)

✅ 优点：简单、效果不错
❌ 缺点：对突发噪声（键盘声、人声重叠）效果一般

二、实时录音降噪（麦克风）

适合：语音识别前实时处理

使用 webrtcvad + pyaudio

pip install webrtcvad pyaudio

思路：

• 检测“是不是语音”
• 非语音直接丢弃或静音

import webrtcvad

vad = webrtcvad.Vad(3)  # 0~3，越严格

⚠️ webrtcvad 是语音活动检测（VAD），不是真正“降噪”，但能显著提升识别率。

三、专业级：用 speechbrain / RNNoise

1️⃣ RNNoise（C 库，Python 可调用）

• 专为语音降噪设计
• 实时、低延迟
• 常用于 VoIP

Python 封装：

pip install rnnoise

2️⃣ SpeechBrain（深度学习）

pip install speechbrain

适合：

• 强噪声环境
• 远场语音

四、配合语音识别（Whisper 示例）

import whisper
import noisereduce as nr
import soundfile as sf

# 降噪
data, rate = sf.read("raw.wav")
clean = nr.reduce_noise(y=data, sr=rate)

sf.write("clean.wav", clean, rate)

# 识别
model = whisper.load_model("base")
result = model.transcribe("clean.wav")
print(result["text"])

五、实用建议（很重要）

✅ 降噪顺序

原始音频 → 降噪 → VAD → 语音识别

✅ 环境建议

• 用耳机麦克风
• 避免回声房间
• 采样率 16k 足够

✅ 识别模型

• Whisper >> 传统 API（在噪声下）

六、如果你愿意，我可以：

• 给你 实时麦克风降噪 + 识别完整代码
• 针对 中文噪声场景调参
• 用 Whisper + VAD 做断句识别

你现在是：文件识别 还是 实时语音？