應用場景：

最近在看田連元老先生的《水滸傳》，總感覺篇篇錦銹字字珠璣，遇上精彩之處，總想要搞成文字資料保存下來，奈何沒有字幕。作為一只懶得冒泡的程序猿，一邊聽一邊打字，是不可能的，這輩子都不可能。那怎么辦呢？當然是寫代碼嘍。

簡單說明：

python代碼：

代碼獲取254.flv，自12分13秒開始，時長為37秒的音頻，將這段音頻轉換成文字

# -*- coding: GBK -*-

import os

import paramiko

from aip import AipSpeech

# 任務一：以pcm的格式，獲取視頻文件的音軌，并截取指定的時間段。最后將文件復制到speech-vad-demo-master中

vad_home=r'D:\cygwin64\cygwin64_Root\home\caicaidi\speech-vad-demo-master'

video_name = '254.flv'

#開始時間

start_time = '00:12:13'

#截取的時間長度

time_span = '00:00:37'

def get_pcm(video_name,start_time,time_span):

# 分離視頻的音頻為pcm格式

command_video_to_wav = 'ffmpeg -y -i %s -f s16le -ac 1 -ar 16000 output.pcm'%(video_name)

os.system(command_video_to_wav)

#分割pcm

command_cut_wav = 'ffmpeg -y -f s16be -ac 1 -ar 16000 -acodec pcm_s16le -i output.pcm -ss %s -t %s -f s16be -ac 1 -ar 16000 -acodec pcm_s16le output_cut.pcm'%(start_time,time_span)

os.system(command_cut_wav)

command_copy = r'copy output_cut.pcm %s\pcm\16k_1.pcm /y'%(vad_home)

os.system(command_copy)

# 任務二：使用speech-vad-demo-master處理任務一獲得的文件，得到多個長度在10s到60s的文件

def ssh_connect(hostname,username,password,port=22):

#創建一個ssh的客戶端，用來連接服務器

ssh = paramiko.SSHClient()

#創建一個ssh的白名單

know_host = paramiko.AutoAddPolicy()

#加載創建的白名單

ssh.set_missing_host_key_policy(know_host)

#連接服務器

ssh.connect(hostname,port,username,password)

return ssh

def eve_vad_demo():

ssh = ssh_connect('127.0.0.1','caicaidi','123465')

#清空output_pcm

stdin,stdout,stderr = ssh.exec_command("cd /home/caicaidi/speech-vad-demo-master/output_pcm;rm *")

#執行vad-demo.exe。注意："./home/caicaidi/speech-vad-demo-master/vad-demo.exe"是無法正常執行的

stdin,stdout,stderr = ssh.exec_command("cd /home/caicaidi/speech-vad-demo-master;./vad-demo.exe")

#stdout 標準格式的輸出，是一個讀權限的文件對象

print(stdout.read().decode())

# 任務三：調用百度AI的語音識別接口，識別任務二獲得的文件

def get_client():

APP_ID = '百度應用APP_ID '

API_KEY = '百度應用API_KEY '

SECRET_KEY = '百度應用SECRET_KEY '

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

return client

# 讀取文件

def get_file_content(filePath):

with open(filePath, 'rb') as fp:

return fp.read()

if __name__ == '__main__':

get_pcm(video_name,start_time,time_span)

eve_vad_demo()

client = get_client()

output_pcm_path = r"D:/cygwin64/cygwin64_Root/home/caicaidi/speech-vad-demo-master/output_pcm/"

dirs = os.listdir(output_pcm_path)

for file in dirs:

fileName = str(file)

if fileName.endswith('A.pcm'):

pcm_path = output_pcm_path+fileName

data = client.asr(get_file_content(pcm_path), 'pcm', 16000, {'dev_pid': 1537})

print(data['result'])

結果：

image.png

雖然會多幾個字少幾個字的，還將“眨么眨么眼”整成了”咱們咱們演“。不過啊，已經很好啦。

其他：

工作目錄：

image.png

speech-vad-demo-master所在的目錄：

D:/cygwin64/cygwin64_Root/home/caicaidi/speech-vad-demo-master/

總結

以上是生活随笔為你收集整理的python 录音vad_2020-02-25 python使用ffmpeg、speech-vad-demo、百度语音识别生成字幕的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。