Python 如何将视频文件的语音转换为文字，良心之作！
发布时间：2023-10-08 16:30
如何将视频文件的语音转换为文字，这里先大致介绍一下本文会用到的知识点：
python3、 moviepy、multipart/form-data请求、requests_toolbelt、md5。
1.首先需要把视频文件转化为音频文件
这里我们以MP4文件转MP3文件为例，先下载moviepy库,然后：
from moviepy.video.io.VideoFileClip import VideoFileClip
# 将mp4文件转为mp3音频文件并返回其文件路径,生成路径仍在原路径中(需要先下载moviepy库)
def mp4_to_mp3(path):
try:
video = VideoFileClip(path)
audio = video.audio
# 设置生成的mp3文件路径
newPath = path.replace(\'mp4\', \'mp3\')
audio.write_audiofile(newPath)
return newPath
except Exception as e:
print(e)
return None2.重点来了，如何把音频文件转为文本？
我曾经尝试的方案:
(1)百度AI的语音转文本需要音频地址的是可外网访问的地址(咱没有服务器，而且百度AI的api都是有限制的)，pass
(2)讯飞语音：收费,新用户可试用几个小时，不是长期方法，pass)
(3)谷歌：speechrecognition语音识别，下载这个库需要，简单用了一下，调用api结果：requeset failed(毕竟要一直，不太现实) pass
(4)迅捷语音云服务：免费，web端、pc端都有工具，强推！！ http://voice.xunjiepdf.com/app.html(申明：如有侵权，请联系本人或者CSDN进行删除，谢谢！) ，但是我们如何用python来模仿实现这个功能，这才是重点。
(下面直接看我分析的结果，绝对比那些CV侠良心呐~)
3.创建mp3音频文件任务
# 任务开始、结束、删除，都使用这个方法,只需要传入file_info及action动作即可 action：\'Begin\'、\'End\'、\'Delete\'
def upload_operate(file_info, action):
body = {\'action\': action,
\'fileName\': file_info[\'fileName\'],
\'md5\': file_info[\'md5\']
}
return post(UPLOAD_AUDIO_FILE, body, header)
res = upload_operate(file_info, \'Begin\')4.上传mp3音频文件
上传用到的协议 multipart/form-data，需要先下载requests_toolbelt库: pip install requests_toolbelt
这里注意参数boundary在header与multipart_encoder中要保持一致，否是会报code 500的错误，其他参数也不能错。
from requests_toolbelt import MultipartEncoder
# 分隔符，上传文件需要
boundary = \'----WebKitFormBoundarydXKxqoF1Oi2HdYCd\'
# 用于请求的基地址BaseUrl
BASE_URL = \'https://user.api.hudunsoft.com\'
# 上传时用这个header，这个boundary要和请求中files的boundary保持一致，否则上传会报错
update_header = {
\'accept\': \'application/json, text/javascript, */*; q=0.01\',
\'user-agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36\',
\'content-type\': \'multipart/form-data; boundary=\' + boundary,
\'accept-language\': \'zh-CN,zh;q=0.9\'
}
url = BASE_URL + \'/v1/alivoice/uploadaudiofile?r=\' + str(random.uniform(0, 1))
f = open(file=file_info[\'filePath\'], mode=\'rb\')
data = f.read()
multipart_encoder = MultipartEncoder(
fields={
\'action\': (None, \'Store\'),
\'pos\': (None, \'0\'),
\'size\': (None, str(file_info[\'size\'])),
\'md5\': (None, file_info[\'md5\']),
\'file\': (\'blob\', data, \'application/octet-stream\'),
},
boundary=boundary
)
res = post(url, multipart_encoder, update_header)
# 说明上传成功
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 调用结束上传任务
stop_upload_mp3_file(file_info)
else:
print(res)
5.结束上传任务
# 结束上传mp3音频文件任务
def stop_upload_mp3_file(file_info):
res = upload_operate(file_info, \'End\')
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 结束任务成功之后，开始做音频转文字的任务
md5_to_text(file_info)
else:
print(res) 6.开始音频转语音任务
# 开始音频转语音任务
def md5_to_text(file_info):
body = {\'client\': \'web\',
\'source\': \'335\',
\'soft_version\': \'v3.0.1.1\',
\'device_id\': \'33c5ba842f15511aa539830082a32500\',
\'md5\': file_info[\'md5\'],
\'fileName\': file_info[\'fileName\'],
\'title\': file_info[\'fileName\']}
res = post(MD5_TO_TEXT_URL, body, header)
# 说明创建转义成文本的任务成功
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 开始查询转义的任务进度
get_task_info(file_info)
else:
print(res)7.查询当前任务进度
# 获取当前任务进度
def get_task_info(file_info):
body = {\'client\': \'web\',
\'source\': \'335\',
\'soft_version\': \'v3.0.1.1\',
\'device_id\': \'33c5ba842f15511aa539830082a32500\',
\'taskId\': file_info[\'md5\']}
res = post(TASK_INFO, body, header)
if res.status_code == 200:
info = json.loads(res.text)
print(info)
if info[\'code\'] == 0:
fileTextList = info[\'data\'][\'file_text\']
s = \'\'
for i in fileTextList:
s = s + i[\'text\']
print(\'音频转义之后的文字结果为：\')
print(s)
else:
print(\'延时2s轮询查询\')
time.sleep(2)
get_task_info(file_info)
else:
print(res)转义结果：
![\"\"](\"https://img.it610.com/image/info8/d209681437fa4789a0a02d24fea8231b.jpg\")
注意：不要上传超过10M的音频文件，尽量小。由于是机器转义，所以转化准确率...
完整代码如下：
#encoding:utf-8 #设置编码方式
import hashlib
import json
import os
import random
import time
import requests
from requests_toolbelt import MultipartEncoder
from moviepy.video.io.VideoFileClip import VideoFileClip
# *********MP4文件的路径地址，注意路径转义 每次修改这个路径*********
mp4FilePath = \'E:\\\\download\\\\douyin2的副本\\\\douyin2的副本\\\\306026.mp4\'
# 分隔符，上传文件需要
boundary = \'----WebKitFormBoundarydXKxqoF1Oi2HdYCd\'
header = {
\'accept\': \'application/json, text/javascript, */*; q=0.01\',
\'user-agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36\',
\'content-type\': \'application/x-www-form-urlencoded; charset=UTF-8\',
\'origin\': \'http://voice.xunjiepdf.com\',
\'sec-fetch-site\': \'cross-site\',
\'sec-fetch-mode\': \'cors\',
\'sec-fetch-dest\': \'empty\',
\'accept-language\': \'zh-CN,zh;q=0.9\'
}
# 上传时用这个header，这个boundary要和请求中files的boundary保持一致，否则上传会报错
update_header = {
\'accept\': \'application/json, text/javascript, */*; q=0.01\',
\'user-agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36\',
\'content-type\': \'multipart/form-data; boundary=\' + boundary,
\'accept-language\': \'zh-CN,zh;q=0.9\'
}
# 用于请求的基地址BaseUrl
BASE_URL = \'https://user.api.hudunsoft.com\'
# md5转Text
MD5_TO_TEXT_URL = BASE_URL + \'/v1/alivoice/md5Totext\'
# 查询任务进度
TASK_INFO = BASE_URL + \'/v1/alivoice/getTaskInfo\'
# 上传相关的url
UPLOAD_AUDIO_FILE = BASE_URL + \'/v1/alivoice/uploadaudiofile?r=\' + str(random.uniform(0, 1))
# 这里只用到了一个post请求，所以封装成一个方法
def post(url, body, header):
requests.packages.urllib3.disable_warnings()
return requests.post(url=url, data=body, headers=header, verify=False)
# 任务开始、结束、删除，都使用这个方法,只需要传入file_info及action动作即可 action：\'Begin\'、\'End\'、\'Delete\'
def upload_operate(file_info, action):
body = {\'action\': action,
\'fileName\': file_info[\'fileName\'],
\'md5\': file_info[\'md5\']
}
return post(UPLOAD_AUDIO_FILE, body, header)
# 根据文件路径返回文件名称
def get_file_name(file_path):
return os.path.basename(file_path)
# 计算文件的MD5值
def get_file_md5(filename):
m = hashlib.md5() # 创建md5对象
with open(filename, \'rb\') as fp:
while True:
data = fp.read(4096) # 每次读取4MB
if not data:
break
m.update(data) # 更新md5对象
fp.close()
return m.hexdigest()
# 获取文件大小 返回结果单位：byte字节
def get_file_size(filePath):
fsize = os.path.getsize(filePath)
return fsize
# 获取当前任务进度
def get_task_info(file_info):
body = {\'client\': \'web\',
\'source\': \'335\',
\'soft_version\': \'v3.0.1.1\',
\'device_id\': \'33c5ba842f15511aa539830082a32500\',
\'taskId\': file_info[\'md5\']}
res = post(TASK_INFO, body, header)
if res.status_code == 200:
info = json.loads(res.text)
print(info)
if info[\'code\'] == 0:
fileTextList = info[\'data\'][\'file_text\']
s = \'\'
for i in fileTextList:
s = s + i[\'text\']
print(\'音频转义之后的文字结果为：\')
print(s)
else:
print(\'延时2s轮询查询\')
time.sleep(2)
get_task_info(file_info)
else:
print(res)
# 开始音频转语音任务
def md5_to_text(file_info):
body = {\'client\': \'web\',
\'source\': \'335\',
\'soft_version\': \'v3.0.1.1\',
\'device_id\': \'33c5ba842f15511aa539830082a32500\',
\'md5\': file_info[\'md5\'],
\'fileName\': file_info[\'fileName\'],
\'title\': file_info[\'fileName\']}
res = post(MD5_TO_TEXT_URL, body, header)
# 说明创建转义成文本的任务成功
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 开始查询转义的任务进度
get_task_info(file_info)
else:
print(res)
# 删除上传的mp3音频文件任务
def delete_mp3_file(file_info):
res = upload_operate(file_info, \'Delete\')
if res.status_code == 200:
print(\'删除成功\')
else:
print(res)
# 结束上传mp3音频文件任务
def stop_upload_mp3_file(file_info):
res = upload_operate(file_info, \'End\')
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 结束任务成功之后，开始做音频转文字的任务
md5_to_text(file_info)
else:
print(res)
# 上传mp3音频文件
def upload_mp3_file(file_info):
url = BASE_URL + \'/v1/alivoice/uploadaudiofile?r=\' + str(random.uniform(0, 1))
f = open(file=file_info[\'filePath\'], mode=\'rb\')
data = f.read()
multipart_encoder = MultipartEncoder(
fields={
\'action\': (None, \'Store\'),
\'pos\': (None, \'0\'),
\'size\': (None, str(file_info[\'size\'])),
\'md5\': (None, file_info[\'md5\']),
\'file\': (\'blob\', data, \'application/octet-stream\'),
},
boundary=boundary
)
res = post(url, multipart_encoder, update_header)
# 说明上传成功
if res.status_code == 200:
info = json.loads(res.text)
print(info)
# 调用结束上传任务
stop_upload_mp3_file(file_info)
else:
print(res)
# 开始mp3音频文件任务
def start_mp3_file(file_info):
res = upload_operate(file_info, \'Begin\')
if res.status_code == 200:
info = json.loads(res.text)
print(info)
if info[\'pos\'] >= 0:
# 创建任务成功开始之后，开始上传音频文件
upload_mp3_file(file_info)
else:
# 说明之前已上传成功过，那就直接去创建生成text的任务
md5_to_text(file_info)
else:
print(res)
# 将mp4文件转为mp3音频文件,生成路径仍在原路径中(需要先下载moviepy库)
def mp4_to_mp3(path):
try:
video = VideoFileClip(path)
audio = video.audio
# 设置生成的mp3文件路径
newPath = path.replace(\'mp4\', \'mp3\')
audio.write_audiofile(newPath)
return newPath
except Exception as e:
print(e)
return None
if __name__ == \'__main__\':
# 将 mp4文件路径，转成的mp3文件路径
mp3FilePath = mp4_to_mp3(mp4FilePath)
# 创建一个文件信息对象，方面后续读取音频文件信息
file_info = {}
file_info[\'md5\'] = get_file_md5(mp3FilePath) # mp3对应的md5值
file_info[\'fileName\'] = get_file_name(mp3FilePath) # MP3文件的文件名称
file_info[\'size\'] = get_file_size(mp3FilePath) # 文件大小
file_info[\'filePath\'] = mp3FilePath # 文件路径
# 创建上传MP3文件的任务
start_mp3_file(file_info)
码字不易，如有帮助，请记得点赞~