个人中心
文章发布
退出
作者热门文章
- Java锁的逻辑（结合对象头和ObjectMonitor）
- 还在用饼状图？来瞧瞧这些炫酷的百分比可视化新图形（附代码实现）⛵
- 自动注册实体类到EntityFrameworkCore上下文，并适配ABP及ABPVNext
- 基于Sklearn机器学习代码实战
27
4
日常办公中，我们经常要开会和写会议纪要。传统模式下，我们需要非常认真地听会议中每一句话，记下自己认为的核心的话，并在会后经过多次修改形成会议纪要。现在，聪明人已 经不那么干了，借助几百块的讯飞录音笔，我们可以一口气录下长达三小时的音频，讯飞还能免费给这些录音笔录制的音频转成文本，且识别率相当高，可谓非常方便.
不过，假如我们没买录音笔，没借到这样的录音笔或者刚好忘了带，最后只能借助用机来录音的时候，面对这样的音频，该怎么低价、快速转文本，方便我们最后写会议纪要之类的东东呢?
有钱有VIP的话，这不是问题。比如讯飞听见，报价是0.33元/分钟，差不多20块一个小时，其他厂商提供的To C端的服务，基本价格也是大差不差。如果小爬没有更省钱的方法，自然就不会有这篇博文了。接下来讲讲怎么用厂商API来实现大段的音频转文本.
这里以百度智能云提供的API接口为例，且看小爬如何写Python脚本，利用这些API，实现低价的音频转文本。看了下百度智能云的官网提供的服务，关于语音识别这块，大概的AI能力有这些:
基于上面提到的场景，我们需要借助的是【音频文件转写】的能力，我们再简单看下价格，如下图所示:
计价方式多样，但是总结就是两句话：用的越多价格越低，最高单价也就是1.56元/时。看上去比To C的那些语音转文本的价格实惠多了。那还等什么，赶紧把代码整起来呗?
写代码前，我们需要看看它的技术文档： 语音技术 (baidu.com) ，这里面不仅有接口API，还提供的python的Demo示例。但是你要指望这Demo能直接用，就太天真了.
简单点说，我们需要先在百度智能云上【音频文件转写】的详情页，点击【立即使用】，按照说明，新建一个应用，勾选上需要的AI能力，这样，我们就可以拿到百度给这个应用独有的API_KEY以及SECRET_KEY.
由于音频很长，所以转文本需要一定的时间，百度给的接口做成异步的了。也就是说我们需要两个脚本，其中一个用来创建转音频的任务，另一个脚本用来请求结果。先来魔改官方给的Demo示例来创建任务，每次的请求之前，我们需要向API接口拿到单次请求的Token，获取Access_token的代码大概如下:
import
requests,json,time,ssl
from
urllib.request
import
urlopen,Request
from
urllib.error
import
URLError
from
urllib.parse
import
urlencode
timer
=
time.perf_counter
ssl._create_default_https_context
=
ssl._create_unverified_context
#
填写百度控制台中相关开通了“音频文件转写”接口的应用的的API_KEY及SECRET_KEY
API_KEY =
'
Ｙｏｕｒ API Ｋｅｙ
'
SECRET_KEY
=
'Ｙｏｕｒ Ｓｅｃｒｅｔ Ｋｅｙ
'
"""
获取请求TOKEN start 通过开通音频文件转写接口的百度应用的API_KEY及SECRET_KEY获取请求token
"""
class
DemoError(Exception):
pass
TOKEN_URL
=
'
https://openapi.baidu.com/oauth/2.0/token
'
#
SCOPE = 'brain_bicc' # 有此scope表示有asr能力，没有请在网页里勾选 bicc
SCOPE =
'
brain_asr_async
'
#
有此scope表示有asr能力，没有请在网页里勾选
#
SCOPE = 'brain_enhanced_asr' # 有此scope表示有asr能力，没有请在网页里勾选
def
fetch_token():
params
= {
'
grant_type
'
:
'
client_credentials
'
,
'
client_id
'
: API_KEY,
'
client_secret
'
: SECRET_KEY}
post_data
=
urlencode(params)
post_data
= post_data.encode(
'
utf-8
'
)
req
=
Request(TOKEN_URL, post_data)
try
:
f
=
urlopen(req)
result_str
=
f.read()
except
URLError as err:
print
(
'
token http response http code :
'
+
str(err.code))
result_str
=
err.read()
result_str
=
result_str.decode()
#
print(result_str)
result =
json.loads(result_str)
#
print(result)
if
(
'
access_token
'
in
result.keys()
and
'
scope
'
in
result.keys()):
if
not
SCOPE
in
result[
'
scope
'
].split(
'
'
):
raise
DemoError(
'
scope is not correct
'
)
#
print('SUCCESS WITH TOKEN: %s ; EXPIRES IN SECONDS: %s' % (result['access_token'], result['expires_in']))
return
result[
'
access_token
'
]
else
:
raise
DemoError(
'
MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response
'
)
"""
获取鉴权结束，TOKEN end
"""
。
拿到Access_Token后，我们就可以根据API创建任务了，示例代码如下:
"""
发送识别请求
"""
#
待进行语音识别的音频文件url地址，需要可公开访问。建议使用百度云对象存储（https://cloud.baidu.com/product/bos.html）
def
create_task(speech_url):
url
=
'
https://aip.baidubce.com/rpc/2.0/aasr/v1/create
'
#
创建音频转写任务请求地址
body =
{
"
speech_url
"
: speech_url,
"
format
"
:
"
wav
"
,
#
音频格式，支持pcm,wav,mp3，音频格式转化可通过开源ffmpeg工具（https://ai.baidu.com/ai-doc/SPEECH/7k38lxpwf）或音频处理软件
"
pid
"
: 1537,
#
模型pid，1537为普通话输入法模型，1737为英语模型
"
rate
"
: 16000
#
音频采样率，支持16000采样率，音频格式转化可通过开源ffmpeg工具（https://ai.baidu.com/ai-doc/SPEECH/7k38lxpwf）或音频处理软件
}
token
= {
"
access_token
"
:fetch_token()}
headers
= {
'
content-type
'
:
"
application/json
"
}
response
= requests.post(url,params=token,data = json.dumps(body), headers =
headers)
#
返回请求结果信息，获得task_id，通过识别结果查询接口，获取识别结果
textMsg=
response.json()
print
(textMsg)
return
textMsg.get(
"
task_id
"
)
需要注意的是，该API不支持读本地的音频文件，而是要求提起将音频上传到公网上，要支持公开访问，这个方法中的Speech_url参数，它指的是待进行语音识别的音频文件url地址，官方建议使用百度云对象存储（https://cloud.baidu.com/product/bos.html），不过小爬在写这个例子的时候，这个官网莫名其妙加载非常慢，体验很差，具体原因不详，最好小爬只好选择了其他厂商的类似服务，比如七牛云。不用担心，对于普通用户，有10GB的免费的每月存储空间。另外，这个方法最终可以返回任务的Task_id，它的重要性不言而喻，我们就是通过它来得到最终的结果.
。
开通七牛云账号之后，我们按照提示，将待转的音频存储到七牛云存储服务器 公开路径。限于篇幅，小爬对具体的操作就不过多赘述了。这里必须是公开路径，否则百度的API没法访问私有的七牛云生成的存储音频的URL。你在担心信息暴露了对不对？哈哈，你的URL不到处分享，即使在公网上，也不会有人知道的。另外，如果实在担心，我们可以利用它创建完任务并成功转为文本后，再去账号上删除这段音频，这下顾虑可以打消了吧?
万事俱备后，我们需要结合查看结果的api来获取最终的文本，对了，获取结果的API，同样是需要事先申请Token的，您需要再次借助上面提到的fetch_token方法。当token和task_id都准备好之后，剩下的事儿就简单多了，示例如下:
"""
发送查询结果请求
"""
#
转写任务id列表，task_id是通过创建音频转写任务时获取到的，每个音频任务对应的值
task_id_list =
[
"
task_id
"
,
]
for
task_id
in
task_id_list:
url
=
'
https://aip.baidubce.com/rpc/2.0/aasr/v1/query
'
#
查询音频任务转写结果请求地址
body
=
{
"
task_ids
"
: [task_id],
}
token
= {
"
access_token
"
:fetch_token()}
headers
= {
'
content-type
'
:
"
application/json
"
}
response
= requests.post(url,params=token,data = json.dumps(body), headers =
headers)
print
(json.dumps(response.json(), ensure_ascii=False))
赶紧学起来吧，可以帮您省下好多银子呢，这些银子用来干啥不香呢？如果您技术过硬，还可以利用大厂的这些api搭建自己的AI服务，创建自己的【语音转文本】To C产品，这差价不是挣得美滋滋?
快来关注本公众号 获取更多爬虫、数据分析的知识！ 。
。
最后此篇关于怎么利用大厂的API将大段音频转成文本的文章就讲到这里了,如果你想了解更多关于怎么利用大厂的API将大段音频转成文本的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
27
4
0
我一直在为实时流和静态文件(HTTP 上的 MP3)构建网络广播播放器。我选了Howler.js作为规范化 quirks 的后端的 HTML5 Audio (思考:自动播放、淡入/淡出、进度事件)。
vue移动端input上传视频、音频，供大家参考，具体内容如下 html部分 ?
关闭。这个问题需要更多 focused .它目前不接受答案。 想改进这个问题？更新问题，使其仅关注一个问题 editing this post . 7年前关闭。 Improve this questi
我想在我的程序中访问音频和视频。 MAC里面可以吗？ 我们的程序在 Windows 上运行，我使用 directshow 进行音频/视频编程。但我想在 MAC 中开发相同的东西。 有没有像direct
我的应用程序(使用 Flutter 制作，但这应该无关紧要)具有类似于计时器的功能，可以定期(10 秒到 3 分钟)发出滴答声。我在我的 Info.plist 中激活了背景模式 Audio、AirPl
我是 ionic 2 的初学者 我使用了音频文件。 import { Component } from '@angular/core'; import {NavController, Alert
我有一个包含ListView和图片的数据库，我想在每个语音数据中包含它们。我已经尝试过，但是有很多错误。以下是我的java和xml。 数据库.java package com.example.data
我在zend framework 2上建立了一个音乐社交网络。您可以想象它与SoundCloud相同，用户上传歌曲，其他用户播放它们，这些是网站上的基本操作。 我知道将要托管该页面的服务器将需要大量带
我正在尝试在android应用中播放音频，但是在代码中AssetFileDescriptor asset1及其下一行存在错误。这是代码: MediaPlayer mp; @Override prote
我对 WordPress Audio Shortcode有问题。我这样使用它: 但是在前面，在HTML代码中我得到了: document.createElement('audio');
我正在做一项关于降低噪音的滤波技术的实验。我在数据集中的样本是音频文件(.wav)，因此，我有:原始录制的音频文件，我将它们与噪声混合，因此变得混合(噪声信号)，我将这些噪声信号通过滤波算法传递，输出
一个人会使用哪种类型的神经网络架构将声音映射到其他声音？神经网络擅长学习从序列到其他序列，因此声音增强/生成似乎是它们的一种非常流行的应用(但不幸的是，事实并非如此-我只能找到一个(相当古老的)洋红色
这个让我抓狂: 在专用于此声音播放/录制应用程序的 Vista+ 计算机上，我需要我的应用程序确保(默认)麦克风电平被推到最大。我该怎么做？ 我找到了 Core Audio lib ，找到了如何将 I
{ "manifest_version": 2, "name": "Kitten Radio Extension", "description": "Listen while browsi
class Main { WaveFileReader reader; short[] sample; Complex[] tmpComplexArray; publi
我正在使用电话录音软件(android)，该软件可以记录2个人在电话中的通话。每个电话的输出是一个音频文件，其中包含来自 call 者和被 call 者的声音。 但是，大多数情况下，运行此软件的电话发
我正在构建一个需要语音激活命令的Web应用程序。我正在使用getUserMedia作为音频输入。 对于语音激活命令，该过程是用户将需要通过记录其语音来“校准”命令。例如，对于“停止”命令，用户将说出“
我正在开发一个Cordova应用程序，并将PouchDB用作数据库，当连接可用时，它将所有信息复制到CouchDB。 我成功存储了简单的文本和图像。 我一直在尝试存储视频和音频，但是没有运气。 我存储
我正在开发web application，我必须在其中使用.MP3的地方使用播放声音，但是会发生问题。 声音为play good in chrome, Firefox，但为safari its not
如何减少音频文件的位深？是否忽略了MSB或LSB？两者混合吗？ (旁问:这叫什么？) 最佳答案 TL / DR:将音频曲线高度变量右移至较低位深度 可以将音频视为幅度(Y轴)随时间(X轴)的模拟曲线。
我是一名优秀的程序员,十分优秀！