Python-实现语音识别并批处理标注（重命名）文件

由于我的测试经常需要对音频文件内容标注（根据语音的内容用拼音标注），一个一个人工标注很费时费力！那有没有简单点的方法，答案是有！！！一起学习吧~

1.在百度AI开发平台获取AppID、API Key、Secret Key，可以看我这篇博客

2.语音识别脚本如下：

# -*- coding: utf-8 -*-
import os
import requests
import base64
from pypinyin import lazy_pinyin

filepath = 'E:\\untitled1\\audio\\test.wav'
outpath = 'E:\\untitled1\\audio\\'
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"

APP_ID = '             '  # 填写之前在ai平台上获得的参数

API_KEY =  '             '  # 填写之前在ai平台上获得的参数

SECRET_KEY =  '             '  #填写之前在ai平台上获得的参数

HOST = base_url % (API_KEY, SECRET_KEY )

def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']


def get_audio(file):
    with open(file, 'rb') as f:
        data = f.read()
    return data

def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = '*******'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')

    data = {
        'format': FORMAT,
        'rate': RATE,
        'channel': CHANNEL,
        'cuid': CUID,
        'len': len(speech_data),
        'speech': SPEECH,
        'token': token,
        'dev_pid': dev_pid
    }
    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}
    r = requests.post(url, json=data, headers=headers)
    Null = r.json()
    if 'result' in Null:
        return Null['result'][0]
    else:
        return Null

if __name__ == '__main__':
    TOKEN = getToken(HOST)
    speech = get_audio(filepath)
    result = speech2text(speech, TOKEN)
    print(result)                #打印中文识别结果     '打开吹风。'
    #############将中文识别结果转为拼音#############
    name1 = lazy_pinyin(result)
    NAME = ''.join(name1)
    new_name1 = NAME.split("。")
    new_name2 = new_name1[0]
    print(new_name2)         #打印识别结果的拼音     'dakaichuifeng'
    os.rename(filepath, outpath+new_name2 + '.wav')  #标注文件，对文件重命名

运行上面的脚本可以把test.wav音频文件的内容识别并打印出来，并把文件用拼音标注。

2.效果图：

但是一个音频运行一次脚本，也太费时间了吧，所以做个批处理的操作吧~

3.批处理标注文件脚本如下：

# -*- coding: utf-8 -*-
import base64
import os
import requests
from pypinyin import lazy_pinyin

filepath = 'E:\\untitled1\\audio\\'  # 文件夹路径
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"

APP_ID = '             '  # 填写之前在ai平台上获得的参数

API_KEY =  '             '  # 填写之前在ai平台上获得的参数

SECRET_KEY =  '             '  #填写之前在ai平台上获得的参数

HOST = base_url % (API_KEY, SECRET_KEY)

def getToken(host):
    res = requests.post(host)
    return res.json()['access_token']

def get_audio(file):
    with open(file, 'rb') as f:
        data = f.read()
    return data

def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = '*******'
    SPEECH = base64.b64encode(speech_data).decode('utf-8')
    data = {
        'format': FORMAT,
        'rate': RATE,
        'channel': CHANNEL,
        'cuid': CUID,
        'len': len(speech_data),
        'speech': SPEECH,
        'token': token,
        'dev_pid': dev_pid
    }
    url = 'https://vop.baidu.com/server_api'
    headers = {'Content-Type': 'application/json'}
    r = requests.post(url, json=data, headers=headers)
    Null = r.json()
    if 'result' in Null:
        return Null['result'][0]
    else:
        return Null
        
#########批量重命名文件#############
for file in os.listdir(filepath):
    filename = file.split('-')[0]
    if os.path.isfile(os.path.join(filepath, file)) == True:
        TOKEN = getToken(HOST)
        speech = get_audio(filepath + file)
        result = speech2text(speech, TOKEN)
        print(result)
        name1 = lazy_pinyin(result)  # 将识别结果转换为拼音
        NAME = ''.join(name1)  # 换行
        new_name1 = NAME.split("。")
        new_name2 = new_name1[0]
        print(new_name2)
        os.rename(filepath + file, filepath + new_name2 + '.wav')

4.脚本运行前，文件名如图：

5.脚本运行后，文件名如图：

哈哈哈哈哈，还挺准确的~
就是免费的有次数限制…