最近拿到很多教学视频，需要在一周后考核视频里的内容，时间紧，任务重，一个个看时间上不允许，不看吧，考核过不去，我就在想，能不能把视频里的语音转换成文字，看文字效率高一些，而且找到重点之后再去看视频，效果也应该会好，python大法好，这个也是可以用python加百度智能云接口来实现的，百度智能云的语音识别技术识别率已经很高了，就避免了我们自己训练模型了，拿来用就行，而且官方提供的测试语音数量已经够我们用了，不需要购买服务，真是太赞了，人生苦短，我用python
备注：代码是大神分享在g i t h u b上面的，我算是转载他的
接下来上代码，作为一个备份
import osfrom ffmpy3 import FFmpegfrom pydub.audio_segment import AudioSegmentfrom pymediainfo import MediaInfofrom aip import AipSpeechdef vedio_to_pcm(file): inputfile = file file_type = file.split('.')[-1] outputfile = inputfile.replace(file_type, 'pcm') ff = FFmpeg(executable='ffmpeg', global_options=['-y'], inputs={inputfile: None}, outputs={outputfile: '-acodec pcm_s16le -f s16le -ac 1 -ar 16000'}) ff.cmd ff.run() return outputfiledef vedio_to_wav(file): inputfile = file file_type = file.split('.')[-1] outputfile = inputfile.replace(file_type, 'wav') ff = FFmpeg(executable='ffmpeg', global_options=['-y'], inputs={inputfile: None}, outputs={outputfile: None}) ff.cmd ff.run() return outputfiledef wav_split(path): file = vedio_to_wav(path) main_wav_path=file path=os.path.dirname(file)+'/' sound_len=int(MediaInfo.parse(main_wav_path).to_data()['tracks'][0]['duration']) sound=AudioSegment.from_mp3(main_wav_path) part_file_list=list() min_ = sound_len/1000 if min_ > 60: n=int(min_//60) print(type(n)) if n*60<min_: n+=1 for i in range(n): start_time=i*60*1000+1 end_time=(i+1)*60*1000 if end_time>sound_len*1000: end_time=sound_len*1000 word=sound[start_time:end_time] part_file_name='part_sound_{}.wav'.format(i) word.export(part_file_name,format="wav") part_file_list.append(part_file_name) return part_file_listdef BAIDU_ASR(wavfile): pcm_file = vedio_to_pcm(wavfile) def get_file_content(file): with open(file,'rb') as fp: return fp.read() """ 你的 APPID AK SK """ APP_ID = '' API_KEY = '' SECRET_KEY = '' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) result = client.asr(get_file_content(pcm_file),'wav',16000,{'dev_pid':1537}) return resultdef perfect_path(path,list_): tmp_path = [] for i in list_: tt = path+'\'+ i tmp_path.append(tt) return tmp_pathif __name__ == "__main__": tmp = [] #要提取文稿的视频路径 path = 'C:\Users\25801路西\Desktop\video' name_list = os.listdir(path) tmp_path = perfect_path(path,name_list) print(tmp_path) for i in tmp_path: print(i) waiting_list = wav_split(i) output = open(i+'.txt','w',encoding='gbk') for i in waiting_list: tmp = BAIDU_ASR(i)['result'][0] output.write(tmp) output.close() remove_pcm = [] for i in waiting_list: remove_pcm.append(i.split('.')[0]+'.pcm') os.remove(i) for i in remove_pcm: os.remove(i)这个是需要一个软件配合的，源文件我发在百度云上了，拿来就能用，传送门
链接：https://pan.baidu.com/s/1BeZptdds0PNfUfQ6dh1CMg
提取码：wob8
文件里包含这些东西
识别效果也很不错，我就不上测试图了，祝大家用的愉快，希望能够帮到有需要的朋友，也能给我备份一下