windows10或ubuntu系统下，中文音频转汉字

目录

1.安装开源库；

2.下载中文model(也可以先不下载)

 3.使用转换

 4. 效果展示

---

（唠嗑）出发背景：我听到一段长达一小时的音频，里面讲的特别好，我就想下载转成文字再看看，可是用软件超1分钟就要花钱，因为我不想花钱，就就搜搜开源库，嘿嘿。

整体分为三步：1.安装开源库； 2.下载中文model； 3.使用转换。

1.安装开源库；

目录

1.安装开源库；

2.下载中文model

 3.使用转换

---

在anaconda虚拟环境下操作

# 1. 整个独立的虚拟环境，以防整乱别的环境
$ conda create -n speech python=3.9

# 2. 安装开源库，这里用的是vosk
$ pip install vosk -i https://pypi.doubanio.com/simple

# 3. 验证ffmpeg是否已安装，调用命令行（windows+R输入cmd）/ Ubuntu终端
$ ffmpeg –version

# 4. 没有安装的话，
# windows下
https://blog.csdn.net/qq_43803367/article/details/110308401， 
这个大神写的特别清楚，我就是按照他的安装成功的

# Ubuntu下
$ sudo apt-get install ffmpeg

2.下载中文model(也可以先不下载)

下载地址： https://alphacephei.com/vosk/models​

 3.使用转换

GitHub - alphacep/vosk-api: Offline speech recognition API for Android, iOS, Raspberry Pi and servers with Python, Java, C# and Node在下载后的解压文件的python文件夹里，可以看代码

# windows 
$ cd xxx/xxx

# 查看help命令
$ vosk-transcriber -h

# 列举当前的语言
$ vosk-transcriber --list-languages

# 方式一 ：中文语音转汉字
$ vosk-transcriber -i xxx.mp3 -o xxx.txt -l cn  

# 方式二 ：中文语音转汉字， 也可以去网站下载模型后直接指定模型路径
$ vosk-transcriber -i xxx.mp3 -o xxx.txt -m 解压后的文件夹路径

 4. 效果展示

•  一段一小时的音频，在我windows的普通笔记本电脑上大概用了10分钟翻译好的。

•  它翻译出来是这样式的，一段段的，没有标点符号的，还有空格，小部分可能翻译的有误差，在处理一下
• 

 就简单的处理一下，凑活看看

处理代码如下：

import os

def adjust_chinese(path: str) -> None:
    """
    :param path:
    :return:
    """
    with open(path, "r", encoding="utf-8") as fr:
        input_1 = fr.read()
        #
        output = "".join(input_1.split(" "))
        output = "".join(output.split(" "))
        #
        output_list = output.split("\n")
        new_output_list = list()
        for i_row in output_list:
            i_row = i_row.replace("呢", "呢?")
            i_row = i_row.replace("吗", "吗?")
            i_row = i_row.replace("啊", "啊!")
            i_row = i_row.replace("呀", "呀!")
            new_output_list.append(i_row)
        new_output = ",\n".join(new_output_list)
        new_output = new_output.replace("?,", "?")
        new_output = new_output.replace("!,", "!")
        # print(new_output)
        out_path = os.path.join(os.path.dirname(path), "output.txt")
        with open(out_path, "w", encoding="utf-8") as fw:
            fw.write(new_output)


if __name__ == '__main__':
    path = r"242.txt"  # 指定通用的拼接音频文件
    adjust_chinese(path)  # output.txt