一、功能概述
实现语音为文字,可以扩展到多种场景进行工作,这里只实现其基本的语言接收及转换功能。
在语言录入时,根据语言内容的多少与停顿时间,自动截取音频进行转换。
工作示例:
二、软件环境
-
操作系统:win10
-
语言:Python 版本:3.6.0
-
Python库:AipSpeech(百度语音识别SDK客户端),wave,PyAudio,paInt16
Python库安装:除百度为:pip install baidu-aip,其他直接 pip install *(库名) 即可。
三、原理概述
利用wave,PyAudio搭建一个wav格式的简易录音机,基于百度API进行wav格式的音频转文本。
- 简易录音机类(WWAV)有__save_wave_file音频文件保存方法与my_record音频录制方法。在录制音频的方法中,加入了有效音频测试的代码,可以测试一小段时间内是否有有效音频输入,否则退出音频录制。
- 转换类(Translation)则为__get_file_content方法与get_word音频转换主方法。
四、核心代码
my_record音频录制方法(WWAV类)
def my_record(self,TIME = 60,INTERVAL = 5):
'''录制并保存音频文件,TIME录制时间,INTERVAL测试间隔'''
pa=PyAudio()
tr = Translation()
stream=pa.open(format = paInt16,channels=self.__channels,
rate=self.__framerate,input=True,
frames_per_buffer=self.__NUM_SAMPLES)
my_buf=[] # 主音频源
buf=[] # 测试音频源
i=0
while i < TIME*2: #控制录音时间
string_audio_data = stream.read(self.__NUM_SAMPLES) # 获取音频片段
my_buf.append(string_audio_data)
if i < INTERVAL*2:
buf.append(string_audio_data)
i += 1
elif i == INTERVAL*2:
self.__save_wave_file('00.wav',buf) # 保存测试音频
err,a = tr.get_word('00.wav') # 得到测试音频是否有效
if err == 0:
break
i = 0 # 初始化
buf = [] # 同上
print('.',end = ' ')
self.__save_wave_file('01.wav',my_buf)
stream.close()
get_word音频转换方法(Translation类)
def get_word(self,filePath):
'''音频转文字,参数filePath为wav音频地址,返回双值:状态(1为转换成功)及转换后文本或错误信息'''
word = self.__client.asr(self.__get_file_content(filePath),'wav',8000,{
'lan': 'zh'
}) # 参数:语音对象,文件格式,采样率,语种类型
if word['err_no'] == 0: # 错误值为0(即正确)
return 1,word['result'][0] # 返回 1 与 文本信息
else:
return 0,word['err_no'] # 否则返回 0 与 错误内容
源码
附:我又回来了,这个是不是大项目,正在写,敬请期待!寒假会更一些学习笔记,一起加油
以上