python-3.x - python : How to use speech_recognition or other modules to convert base64 audio string to text?

Question

我有像 data:audio/mpeg;base64,//OAxAAAAANIAAAAABhqZ3f4StN3gOAaB4NAUBYZLv...... 这样的 base64 音频字符串，我试图在 Python 中使用 base64 模块将 base64 转换为 wav 文件:

    decode_bytes = base64.b64decode(encoding_str)
    with open(file_name + '.wav', "wb") as wav_file:
        wav_file.write(decode_bytes)

然后我尝试使用 speech_recognition 模块将音频转换为文本，它给出了以下错误:

ValueError: Audio file could not be read as PCM WAV, AIFF/AIFF-C, or Native FLAC; check if file is corrupted or in another format

这个问题有解决方案吗？

Answer 1

好像您的音频文件是 mime 类型的 mp3 - audio/mpeg .您需要将其保存为 mp3

decode_bytes = base64.b64decode(encoding_str)
    with open(file_name + '.mp3', "wb") as wav_file:
        wav_file.write(decode_bytes)

并使用 pydub 将 mp3 转换为 wav 格式或 FFmpeg，然后将此 wav 文件提供给 Speech_recognition 模块。