试图调百度 谷歌 科大讯飞的语音识别API进行语音转文字
1.谷歌（谷歌好像需要梯子）
需要下载ffmpeg.exe和ffprobe.exe
下载连接/builds/
MP3的音频文件不能直接用谷歌的语音识别去识别，可以看下这篇文章（/dQCFKyQDXYm3F8rB0/article/details/79832700(删掉号)这里面介绍了有关音频的一些理论知识，什么频率赫兹啥的），包括谷歌语音识别接口的使用；所#以，在识别语音之前，我们要先对保存到本地的语音消息转化格式，这里用到了pydub的#ffmpeg和ffprobe（/builds/下载完解压，ffmpeg.exe和#ffprobe.exe复制到你想放的地方，然后再代码中引用一下就可以了，windows平台可以，#不止linux是否可以）
将mp3转化成wav
from pydub import AudioSegmentimport osfrom os import path# os.getcwd() 是获取当前路径，这里可以写绝对路径AudioSegment.ffmpeg = os.getcwd()+'\\ffmpeg.exe'AudioSegment.ffprobe = os.getcwd()+'\\ffprobe.exe'def dealMp3(filePath,fileName):sound = AudioSegment.from_mp3(filePath)#获取原始pcm数据data=sound._datasound_wav = AudioSegment(#指定原始pcm文件# raw audio data (bytes)data = data,#指定采样深度，可选值1,2,3,4# 2 byte (16 bit) samplessample_width = 2,#指定采样频率# 44.1 kHz frame rate# 16kHz frame rateframe_rate = 16000,#指定声道数量# stereo or monochannels = 1)#导出wav文件到当前目录下sound_wav.export(fileName,format='wav')# 判断生成wav格式的文件成功没isDeal = os.path.exists(os.getcwd()+'\\'+fileName)#如果wav文件生成了就删除mp3文件 - -这个可以不参考if isDeal:#删除mp3文件os.remove(filePath)return isDeal
将wav识别成文字
from pydub import AudioSegmentimport osfrom os import path# os.getcwd() 是获取当前路径，这里可以写绝对路径AudioSegment.ffmpeg = os.getcwd()+'\\ffmpeg.exe'AudioSegment.ffprobe = os.getcwd()+'\\ffprobe.exe'def voice2Text(file_name): voice_file = path.join(path.dirname(path.realpath(__file__)), file_name)# use the audio file as the audio sourcer = sr.Recognizer()with sr.AudioFile(voice_file) as source:audio = r.record(source)try:content = r.recognize_google(audio, language='zh-CN')print("Google Speech Recognition:" + content)except sr.UnknownValueError:print("Google Speech Recognition could not understand audio")except sr.RequestError as e:print("Google Speech Recognition error; {0}".format(e))return content or '无法翻译'
2.百度
加载需要的库，其中from aip import AipSpeech是百度的
from pydub import AudioSegmentimport osfrom os import pathimport speech_recognition as srfrom aip import AipSpeechimport time
下面这个函数是切割mp3的，因为百度语音识别的API只能60秒
# =============================================================================# #切割完的存放地址# filePath = r'C:\Users\Administrator\Desktop\python工程\语音识别系统\block'# # # 操作函数# def get_wav_make(dataDir):# sound= AudioSegment.from_mp3(dataDir)# duration = sound.duration_seconds * 1000 # 音频时长（ms）# for i in range(0,int(duration),59000):# begin = i# end = i + ( 1000 * 59 )# cut_wav = sound[begin:end] #以毫秒为单位截取[begin, end]区间的音频# cut_wav.export(filePath+ 'test'+ str(int(i/( 1000 * 59 ))) + '.mp3', format='mp3') #存储新的wav文件# # get_wav_make(r'C:\Users\Administrator\Desktop\python工程\语音识别系统\22.mp3')#切割完的存放地址#filePath = r'C:\Users\Administrator\Desktop\python工程\语音识别系统\block'# =============================================================================
进行语音转文字
get_wav_make(r'C:\Users\Administrator\Desktop\python工程\语音识别系统\22.mp3')#下面输入你们在百度只智能注册号后给出的id key啥的APP_ID = 'APP_ID 'API_KEY = 'API_KEY 'SECRET_KEY = 'SECRET_KEY 'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)#定义函数def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()# 开始识别start_time = time.time()ret = client.asr(get_file_content(r'C:\Users\Administrator\Desktop\python工程\语音识别系统\blocktest2.mp3'), 'pcm', 16000, {'dev_pid': 1537,})used_time = time.time() - start_timeprint( "used time: {}s".format( round( time.time() - start_time, 2 ) ) )print('ret:{}'.format(ret))
3.科大讯飞
忘了
