视频话题识别与跟踪 - demo 【问题总结1.1-视频处理】

目的：视频 --》音频 --》文本（语音识别）

• moviepy库可将MP4文件转换为MP3文件

• pydub库将MP3文件转换为flac文件，但是必须安装FFmpeg

  实际上pydub库仅支持WAV格式文件的转换，FFmpeg可以支持多种格式音频转换
  在官网下载FFmpeg压缩包，解压后将bin文件夹添加至系统环境变量，再安装pydub库即可正常使用
  安装了FFmpeg后，pydub也支持MP4文件转MP3文件
  以下代码是github上的例子：

   import os
   import glob
   from pydub import AudioSegment
  
   video_dir = '/home/johndoe/downloaded_videos/'  # Path where the videos are located
   extension_list = ('*.mp4', '*.flv')
  
   os.chdir(video_dir)
   for extension in extension_list:
     for video in glob.glob(extension):
       mp3_filename = os.path.splitext(os.path.basename(video))[0] + '.mp3'
       AudioSegment.from_file(video).export(mp3_filename, format='mp3')
  

• speech_recognition库可以进行语音识别，但不支持MP3文件，所以才要先将MP3文件转换为flac文件

  SpeechRecognition支持语音文件类型:
  WAV: 必须是 PCM/LPCM 格式
  AIFF
  AIFF-C
  FLAC: 必须是初始 FLAC 格式；OGG-FLAC 格式不可用

• SpeechRcognition的识别类（器）有7个
  
  但只有recognition_sphinx（）可与CMU Sphinx 引擎脱机工作， 其他六个都需要连接互联网（调用API）。另外SpeechRecognition 附带 Google Web Speech API 的默认 API 密钥，可直接使用它

• 我选用了recognition_sphinx，在安装时发现要安装wheel和swig，wheel可以直接pip安装，但是swig不行

  官网下载swig压缩包，解压后添加环境变量即可正常安装sphinx。cmd下可以正常安装，pycharm中依旧报错

• SpeechRcognition和recognition_sphinx都安装好后，要在SpeechRcognition的安装文件夹下找到pocketsphinx-data文件夹，创建新文件夹“zh-CN”存放中文声学模型、语言模型和字典文件，这样才能进行中文识别。

  pocketsphinx需要安装的中文语言、声学模型
  下载地址：http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/
  下载cmusphinx-zh-cn-5.2.tar.gz并解压，加入zh-CN文件夹，zh_cn.cd_cont_5000文件夹重命名为acoustic-model、zh_cn.lm.bin命名为language-model.lm.bin、zh_cn.dic中dic改为dict格式

但是感觉识别的准确度不太好
使用Google Web Speech API，会报错“由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。”