如何把语音转换成文字

[TOC]

1、故事背景

公司会议的视频要把别人说的话打成字，虽然说自认为打字速度还行，但显然作为一个程序员根本不想用这么笨的办法。 我选择的解决方案是百度。 用法却是挺简单的，直接到github上下载个代码，而后改个文件名就ok了。

若是你只是要转一个mp3文件，没有什么复杂的需求，直接下载一个"万能君的小工具V1.3"工具，申请个百度开发者帐号，建一个语音识别的应用就好了。可跳过解决方法部分，直接参见附录部分的内容。

2、 解决方法

用到的工具

我拿到的源文件是MP4，因此操做过程当中还用了转码工具ffmpeg

# 下载
wget https://johnvansickle.com/ffmpeg/builds/ffmpeg-git-amd64-static.tar.xz
# 解压
xz -d ffmpeg-git-amd64-static.tar.xz
tar -xvf ffmpeg-git-amd64-static.tar

操做方法以下：

1.载百度语音的Deamo代码

git clone https://github.com/Baidu-AIP/speech-demo.git

2.从MP4中提取出音频mp3；

./ffmpeg -ss 00:02:00 -t 00:00:50 -i abc.mp4 -f mp3 -ar 16000 abc.mp3

这一步是写脚本批量实现的，由于百度每次请求只能转60s的，因此用-ss和-t把音频切成一段一段的，而后去转换。 3.将mp3转换为pcm采样;

./ffmpeg -i zlj2.mp3 -f s16le -ar 16000 -ac 1 -acodec pcm_s16le pcm16k.pcm

4.将pcm转换成文字；

cd speech-demo/rest-api-asr/python
vim asr_json.py

编辑asr_json.py时修改以下内容：

AUDIO_FILE = '音频文件地址'
API_KEY = '本身的API_KEY'
SECRET_KEY = '本身的SECRET_KEY'
DEV_PID = 1537

这里面建议用本身的API_KEY和SECRET_KEY，虽然Demo中的也能够用，测试时候不如本身帐号的稳定。 而后执行该脚本

python asr_json.py

我本身的音频结果以下：

{"access_token":"24.57d2e32969c3cdc38386d4bc81bcb932.2592000.1574830302.282335-15803531","session_key":"9mzdDoUq26UmxyE+IzGqINApRAIZB8FgaCU3P2mNni6Iz7tqkJtgA+oxFwEiWqUlCvC6YsoThG1Ah0kDUkPRB9TY+VHhaw==","scope":"brain_enhanced_asr audio_voice_assistant_get audio_tts_post public brain_all_scope wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test\u6743\u9650 vis-classify_flower lpq_\u5f00\u653e cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_\u5f00\u653eScope vis-ocr_\u865a\u62df\u4eba\u7269\u52a9\u7406 idl-video_\u865a\u62df\u4eba\u7269\u52a9\u7406","refresh_token":"25.820b5d60020d20e1e38641e39681c33e.315360000.1887598302.282335-15803531","session_secret":"91c36fe0cd52b95460efdf0b8e28d513","expires_in":2592000}

{'access_token': '24.57d2e32969c3cdc38386d4bc81bcb932.2592000.1574830302.282335-15803531', 'session_key': '9mzdDoUq26UmxyE+IzGqINApRAIZB8FgaCU3P2mNni6Iz7tqkJtgA+oxFwEiWqUlCvC6YsoThG1Ah0kDUkPRB9TY+VHhaw==', 'scope': 'brain_enhanced_asr audio_voice_assistant_get audio_tts_post public brain_all_scope wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test权限 vis-classify_flower lpq_开放 cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_开放Scope vis-ocr_虚拟人物助理 idl-video_虚拟人物助理', 'refresh_token': '25.820b5d60020d20e1e38641e39681c33e.315360000.1887598302.282335-15803531', 'session_secret': '91c36fe0cd52b95460efdf0b8e28d513', 'expires_in': 2592000}
audio_voice_assistant_get
SUCCESS WITH TOKEN: 24.57d2e32969c3cdc38386d4bc81bcb932.2592000.1574830302.282335-15803531  EXPIRES IN SECONDS: 2592000
Request time cost 4.076973
{"corpus_no":"6752712094075722195","err_msg":"success.","err_no":0,"result":["这是最难的，可是大家知道文化是引擎啊，这个东西不迁移上面全部的东西都牵不动，全部的东西你都牵不动，你们有这种理解吗？"],"sn":"952417502231572238302"}

完成

3、附录

如何申请百度的开发者帐号：https://jingyan.baidu.com/article/f3e34a12df0cddf5eb65359f.html Windows对接百度的语音转文字软件(亲测可用)：万能君的小工具V1.3： https://www.cr173.com/soft/1000124.html dev_pid对应的功能：