文 | 派森酱
来源：Python 技术「ID: pythonall」
最近在懂车帝收藏了一些感兴趣的视频，希望能整理出文字稿
这些网站或免费工具都没听过，如果是病毒或不靠谱，就显得浪费时间。
借助api的方式可以尝试，我们画图，先讲一讲该方法的实现思路吧！
流程图
从视频中提取音频可以使用moviepy模块。
由于百度API最多只支持60秒长度的音频，所以还需要使用pydub对音频文件进行切割，然后分段进行文字转换。
所以从视频到文字的大概流程应该是这样的：
❝在音频提取过程中还要对音频的采样率、声道数、码率进行设置，同时指定输出音频格式。语法格式：ffmpeg -y -i voice.mp3 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 voice.pcm
关于语音转文字
在一段视频中真正包含文字信息的其实不是视频文件而是音频文件，这样就需要先把视频转换成音频，再从音频提取文字也就是语音识别。
关于语音转换文字，腾讯/百度/讯飞都提供有自己的API。前几天分享过一篇用python做一个漂亮女生词云舞蹈视频 用到百度的“人体分析”，这次继续沿用百度。
❝百度API的普通话语音识别，有15万次免费赠送，够用了
接下来就要去查百度的语音识别API文档，看看它对待提取的音频文件有什么要求，下图就是百度的python SDK文档页面
在这些文档中，对百度语音识别API所支持的音频格式进行了明确，概括起来主要有三点要求：
参数：16k 采样率、16bit 位深、单声道；
格式：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）；
其他：完整语音文件，时长不超过60s。
下载视频
收藏的视频数据都在这里面
you-get下载它，或者用爬虫批量下载
视频转音频
视频剪辑软件可以做这些事情，例如剪映、必剪、Pr等等。
但是当任务量增加的时候，操作就显得非常浪费时间，而用Python的话3行代码就可以提取出来，就算任务量增加使用循环即可
代码如下
from moviepy.editor import AudioFileClip
my=AudioFileClip("艾瑞泽8.mp4") # 你的视频文件
my.write_audiofile("my.mp3") # 设置生成的音频音频比较长的话，百度短语音识别接口支持1分钟以内的音频，这时候需要对音频进行分割处理，安装pydub模块
pip install pydubpydub支持音频的各种格式之间进行相互转换，缺点是依赖ffmpeg等文件比较严重，我在这里被坑到了，所以接下来认真安装一遍ffmpeg
Window系统安装FFmpeg
官网下载
https://ffmpeg.org/download.html找到windows版本
下载这个
无需安装，只需解压后将ffmpeg下的bin目录路径添加到path的环境变量中即可。如下图所示：
注意：修改环境变量后需要重启Python IDE ，如未配置ffmpeg，即便是正确的MP3路径，也会在读取Mp3文件时，错误显示无法找到MP3文件。如下所示：FileNotFoundError: [Errno 2] No such file or directory: 'C:\Lobby.mp3'
使用python分割音频
from pydub import AudioSegment
from pydub.utils import make_chunks
#blues文件30s
audio = AudioSegment.from_mp3('my.mp3')
size = 30000 #切割的毫秒数
chunks = make_chunks(audio, size) ##将文件切割为59s一块
for i, chunk in enumerate(chunks):
##枚举，i是索引，chunk是切割好的文件
chunk_name = "voice{0}.mp3".format(i)
print(chunk_name)
##保存文件
chunk.export(chunk_name, format="mp3")4分钟的音频，被分割成8个30秒的文件：
百度接口使用
1.领取免费资源
登录进去后，进入“语音技术”页面，领取免费资源
总量15万次赠送，够用了
2.安装百度AI
pip install baidu-aip3.创建应用
创建一个语音分析的应用，记住你的AppID、API Key、Secret Key，后面会用到。
4.脚本
我们试一下，对前面分割好的其中一个音频文件，调用百度API接口就可以完成语音转文字了~
from aip import AipSpeech
import os
""" 你的 APPID AK SK """
APP_ID = 'xx'
API_KEY = 'xx'
SECRET_KEY = 'xx'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 读取文件
def get_file_content(file_path):
# ffmpeg 用于将语音文件转换为pcm格式
os.system(f"ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm" % (file_path,file_path))
with open(f"%s.pcm" % file_path, 'rb') as fp:
return fp.read()
# 识别本地文件
result = client.asr(get_file_content('voice1.mp3'), 'pcm', 16000, {
'dev_pid': 1537 # 默认1537（普通话 输入法模型），dev_pid参数见本节开头的表格
})
print(result['result'][0])输出如下
哈哈，我是合肥小熊说的小熊啊，这个视频开始之前呢，简单的两句……从输出结果来看，提取的内容不只有文字还有标点符号，应该是语音识别API根据说话的语气和停顿时间自己判断的。总体来说效果还不错。
本文是由 Python技术 公众号粉丝 ssw 投稿，欢迎大家继续踊跃投稿！
PS：Python技术交流群（技术交流、摸鱼、白嫖课程为主）又不定时开放了，感兴趣的朋友，可以在下方公号内回复：666，即可进入，一起 100 天计划！
老规矩，酱友们还记得么，右下角的 “在看” 点一下，如果感觉文章内容不错的话，记得分享朋友圈让更多的人知道！
【获取神秘礼包】文章来源：https://www.toymoban.com/news/detail-425104.html
识别二维码，回复：1024文章来源地址https://www.toymoban.com/news/detail-425104.html
到了这里，关于用 Python 轻松将懂车帝视频转换为文本的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
