团长心一的宝宝树,官人我要,光荣大地下载
现在的最火两款聊天工具，QQ和微信，但是很多的时候不方便听别人发的语音，这时候这个功能就能派上用场了，当然了，不止能识别QQ语音还有一些没有字幕的电影也能识别出来，好了废话不多说，马上切入咱们的主题！
中英字幕 小样
IBM注册 应用部署
账户密码
正好也支持Python调用，整个过程很简单，就是先安装IBM的模块，这里我使用的是speechrecognition模块，在pycharm直接可以搜索到并安装，
peechrecognition模块
感叹到：Python的功能真是应有尽有，没有你想不到的。
然后我写了不多的几行代码，这个艰难的事情就迎刃而解了
思路主要如下，就是将视频转为WAV格式的音频（转为MP3等其他格式，可能识别不了），然后调用识别模块，就静静的等着或者去忙其他的事，最后会返回识别出来的文本
测试结果分析：
1、IBM的API能识别英语、中文等好几种语言，识别的正确率很不错；
2、经过我的初步测试，IBM的识别机制是按照这样来的：先是将你的音频传到IBM的服务器，然后是打开音频实时识别，听起来很拗口，意思就是将音频放一遍，服务器边放边识别，最后将所有的识别以文本的形式（貌似是JSON格式，但是在speechrecognition模块中，已经转为文本）返回给你；
3、看完上面的识别机制，你可能会产生疑问：如果音频时间比较长，中间出现网络中断，之前识别的内容不就没了么。因此最好采取分段的方法，将音频分割为较短的几段，等效于实时的返回，减少丢失的问题；
4、经过测试，又有新问题，如果分段的话，超过10段以上，远程服务器会中断服务，也就是说：不能频繁的调接口，跟网站的发爬虫一样。多进程就别想了。最后部门石经理提供的解决办法是：识别一段后。等个5秒左右再循环下一个，照此方法可行。由于我自己的视频不长，数量也不多，就没做等待处理；
5、IBM的语音识别着实厉害，其他的语音识别等有时间再做测试。
进群：125240963 即可获取数十套PDF哦！
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python 实现将numpy中的nan和inf,nan替换成对应的均值
python爬虫把url链接编码成gbk2312格式过程解析
我要评论
网友评论