Python语音转文字技术：语音识别与音频切割详解

1视频提取音频

如果你练习时是录的视频，那需要将视频里的语音提取出来，方便后期操作

当然这个过程目前在各个视频剪辑软件里都可以一键分割，例如剪映、必剪、Pr等等

但是当任务量增加的时候，操作就显得非常浪费时间，而用Python的话3行代码就可以提取出来，就算任务量增加最多再加个循环即可

代码如下

from moviepy.editor import AudioFileClip

导入视频

my_audio_clip = AudioFileClip(“一行玩Python/1012 视频转文字/11.mp4”)

提取音频并保存

my_audio_clip.write_audiofile(“一行玩Python/1012 视频转文字/11.wav”)

2音频转文字

提取音频之后就要把音频转成文字了，目前市面上有很多方式都可以快速的将视频里的音频内容转成文字

虽然说有这么多方法可以去实现这个需求，但任务量增长后，想不花钱，又想不花时间造轮子，最好的办法就是用现成的接口

百度接口使用

申请百度接口

如果想用百度接口来批量处理，需要

百度语音API地址：https://cloud.baidu.com/doc/SPEECH/index.html

from aip import AipSpeech

“”" 你的 APPID AK SK “”"

APP_ID = ‘xxx’

API_KEY = ‘xxxxxxxxxxxxxxxxxxxxxxxx’

SECRET_KEY = ‘xxxxxxxxxxxxxxxxxxxxxxxx’

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

读取文件

def get_file_content(file_path):

with open(file_path, ‘rb’) as fp:

return fp.read()

识别本地文件

result = client.asr(get_file_content(‘音频.wav’ % i), ‘wav’, 16000, {

‘dev_pid’: 1537 # 默认1537（普通话 输入法模型），dev_pid参数见本节开头的表格

})

print(result[‘result’])

如果你恰巧是用mac录的音频，那就得对音频进行降频处理

因为百度接口只能识别16 kHz的音频，而mac录的是48 kHz的音频，当然用ffmpeg重采样一下就可以

import ffmpeg

ffmpeg.input(‘输入音频.wav’).output(‘输出音频.wav’, ar=16000).run()

如果的你音频比较长，但是百度短语音识别接口支持1分钟以内的音频，这时候需要对音频进行分割处理

from pydub import AudioSegment

from pydub.utils import make_chunks

#blues文件30s

audio = AudioSegment.from_file(“voice.wav”, “wav”)

size = 30000 #切割的毫秒数

chunks = make_chunks(audio, size) ##将文件切割为59s一块

for i, chunk in enumerate(chunks):

##枚举，i是索引，chunk是切割好的文件

chunk_name = “voice{0}.wav”.format(i)

print(chunk_name)

##保存文件

chunk.export(chunk_name, format=“wav”)

作者：普通网友