Repolode
Enviar
Uberi

Uberi/speech_recognition

Una biblioteca de Python para reconocimiento de voz que integra numerosos motores en línea y sin conexión mediante una interfaz unificada.

Ver en GitHubSitio web
Estrellas
8,999
Forks
2,415
Issues abiertos
313
Último commit
hace 2 meses

¿Qué es?

SpeechRecognition es un módulo de Python que convierte audio hablado en texto. En lugar de aprender las API de cada proveedor por separado, los desarrolladores llaman a un único objeto Recognizer y eligen el backend en cada llamada, por ejemplo, recognize_google, recognize_whisper, recognize_vosk o recognize_sphinx.

Los backends compatibles incluyen tanto servicios en la nube (Google Cloud Speech, Microsoft Azure Speech, IBM Speech to Text, Wit.ai, Houndify y las API de Whisper de OpenAI y Groq) como motores locales que funcionan sin conexión (CMU Sphinx/PocketSphinx, Vosk, OpenAI Whisper y Faster Whisper). También se pueden usar endpoints autohospedados compatibles con OpenAI, como vLLM u Ollama, a través del backend de OpenAI.

La biblioteca lee audio de archivos y de micrófonos mediante PyAudio, e incluye herramientas para calibrar el umbral de energía del ruido ambiental y escuchar en segundo plano. Después de la instalación, ejecutar python -m speech_recognition permite probarla rápidamente.

Funciones clave

  • 01Interfaz unificada de Recognizer para alternar entre numerosos motores de reconocimiento de voz
  • 02Compatible tanto con API en la nube como con motores sin conexión, como Vosk, Whisper y Sphinx
  • 03Lee audio de archivos y micrófonos (el micrófono requiere PyAudio)
  • 04Calibración del umbral de energía del ruido ambiental y escucha en segundo plano
  • 05Funciona con endpoints autohospedados compatibles con OpenAI

Casos de uso

  • Transcribir grabaciones de audio o archivos de reuniones desde un script de Python
  • Crear una interfaz de comandos de voz que escuche a través de un micrófono
  • Ejecutar reconocimiento de voz sin conexión en un equipo local, sin enviar audio a un servicio en la nube
  • Comparar varios motores de reconocimiento mediante una misma ruta de código

Inicio rápido

  1. 1

    Instala la biblioteca desde PyPI

    pip install SpeechRecognition
  2. 2

    Ejecuta la demo integrada para probarla

    python -m speech_recognition

Antes de usarlo

  • Varios motores requieren claves de API de pago o en la nube, como Google Cloud, Azure, OpenAI, Groq y Cohere.
  • La entrada de audio del micrófono requiere PyAudio, que en algunas plataformas necesita que PortAudio esté instalado previamente en el sistema.
  • Los motores sin conexión, como Sphinx y Whisper, requieren paquetes y modelos adicionales; además, el README señala que configurar Sphinx puede ser complicado.

En colecciones

Herramientas de privacidad y local-firstHerramientas de vídeo y audio con IA

Temas

#speech-recognition#speech-to-text#python#audio#whisper#offline#transcription

Preguntas frecuentes

¿Qué es speech_recognition?
Una biblioteca de Python para reconocimiento de voz que integra numerosos motores en línea y sin conexión mediante una interfaz unificada. SpeechRecognition es un módulo de Python que convierte audio hablado en texto. En lugar de aprender las API de cada proveedor por separado, los desarrolladores llaman a un único objeto Recognizer y eligen el backend en cada llamada, por ejemplo, recognize_google, recognize_whisper, recognize_vosk o recognize_sphinx.
¿speech_recognition es gratuito? ¿Qué licencia tiene?
speech_recognition es open source bajo la licencia BSD-3-Clause. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿speech_recognition sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de speech_recognition fue el 2 sept 2026.
¿Para qué puedo usar speech_recognition?
Transcribir grabaciones de audio o archivos de reuniones desde un script de Python Crear una interfaz de comandos de voz que escuche a través de un micrófono Ejecutar reconocimiento de voz sin conexión en un equipo local, sin enviar audio a un servicio en la nube Comparar varios motores de reconocimiento mediante una misma ruta de código
¿Cómo se instala speech_recognition?
Instala la biblioteca desde PyPI: pip install SpeechRecognition Ejecuta la demo integrada para probarla: python -m speech_recognition
¿Dónde consigo speech_recognition?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Uberi/speech_recognition

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados