FFmpeg提取视频音频python将音频转文字

yipeiwu_com3年前Python实例

ffmpeg提取视频中的音频-pcm

ffmpeg -y -i input.mp4 -vn -codec copy out.m4a
ffmpeg -i out.m4a -f segment -segment_time 55 -c copy out.m4a%03d.m4a


# 提取视频中的音频 mp4 - m4a
for %i in (*.mp4) do ffmpeg -i %i -vn -codec copy %i-out.m4a

# 音频按时间分割 - m4a
for %i in (*.m4a) do ffmpeg -i %i -f segment -segment_time 55 -c copy %i-%03d-.m4a

# 批量转换音频格式为pcm(参数设置)
for %i in (*-.m4a) do ffmpeg -i %i -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %i-new.pcm

python+aip音频转文字

import os
from aip import AipSpeech
from mydocx import *
from tqdm import tqdm

class AudioToText:
    ''' 利用 FFmpeg 提取视频中的语音并转换为文本文档'''
    def __init__(self):
        self.document = Document()
        self.document.styles['Normal'].font.name = u'微软雅黑'
        self.document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), u'微软雅黑')

        """ 你的 APPID AK SK """
        APP_ID = '*'
        API_KEY = '*'
        SECRET_KEY = '*'
        self.client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    def get_path_files(self, path, type='.pcm'):
        '''
        获取目录下所有的 pcm文件
        :param path: 目录地址
        :param type: 文件类型
        :return: 包含文件路径的列表
        '''
        files = os.listdir(path)
        new = []
        for i in files:
            name, ty = os.path.splitext(i)
            if ty == type:
                pathFile = os.path.join(path,i)
                new.append(pathFile)
        return new

    def get_file_content(self, filePath):
        '''
        文件读取 content
        :param filePath: 文件包含路径
        :return:content
        '''
        with open(filePath, 'rb') as fp:
            return fp.read()

    def read_pcm(self, filename):
        '''
        识别pcm语音文件 转文字
        :param filename: 文件名称
        :return: 识别结果
        '''
        result = self.client.asr(self.get_file_content(filename), 'pcm', 16000, {'dev_pid': 1537,})
        # baidu-api没想到这么脆弱!
        try:
            if result['err_msg'] == 'success.':
                word = result['result'][0] + "\n\n"
            else:
                word = str(result['err_no']) + str(result['err_msg']) + "\n\n"
        except:
            word = str(result) + "\n\n"
        # print(word)
        return word,result['err_no']

    def GoWalkPath(self, path):
        '''
        获取所有文件夹的地址
        '''
        videoPathList = []
        for f_path, dir_name, f_names in os.walk(path):
            if  f_path != path:
                videoPathList.append(f_path)
                # print(f_path)
        return videoPathList

    def main(self, path):
        '''
        运行语音转文字并保持word文档
        '''
        pathList = self.GoWalkPath(path)
        if len(pathList) > 0:
            for _path in pathList:
                files = self.get_path_files(_path)
                for i in tqdm(range(0, len(files))):
                    wd,err = self.read_pcm(files[i])
                    if err ==0:
                        totle_level(self.document, files[i])
                        body(self.document, wd )
                    else:
                        body(self.document, wd, True)
                try:
                    name = _path.split('\\')[-1]
                    _filePath = os.path.join(_path, name)
                    saveFile(self.document, _filePath)
                except Exception as e:
                    print(e)
        else:
            print("目录下无文件夹")

if __name__ == '__main__':
    # pcm 音频路径
    path = "video"
    t = AudioToText()
    t.main(path)


标签: ffmpeg

相关文章

ffmpeg处理pcm转mp3的参数设置详解

MP3截取ffmpeg -y -i test.mp3 -ss 00:00:00 -t 00:00:03 -acodec&...

ffmpeg 多个音频合并 混音 截取 拆分操作详解

1 多个mp3文件合并成一个mp3文件一种方法是连接到一起ffmpeg64.exe -i "concat:123.mp3|124.mp3" -acodec copy output....

ffmpeg 4.2.2最新文档说明 参数设置方法

说明:以下内容为机器翻译,有差错在所难免,但大体意思不会出错,原始文档请看这里: http://ffmpeg.org/ffmpeg.html#toc-Generic-options1简介ff...

ffmpeg通过参数设置调整画质清晰度

ffmpeg通过参数设置调整画质清晰度

H.264有四种画质级别,分别是baseline, extended, main, high:1、Baseline Profile:基本画质。支持I/P 帧,只支持无交错(Progressive)和C...

Ffmpeg为视频添加一个循环播放的背景音乐参数详解

ffmpeg -i out3.mp4 -i music3D.wav -filter_complex [1:a]aloop=loop=-1:s...