用 Python 轻松将懂车帝视频转换为文本

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

观看视频，做笔记时遇到一个问题，需要反复一段一段的去看视频，再手敲整理笔记。想着有没有可以免费的转换工具或者软件，结果很多在线网站都需要登录注册，甚至收费。

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 AudioFileClipmy=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 pydub

pydub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-aip

3.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】

识别二维码，回复：1024