大量短音频免费快速转文字

前言

最近做起工具人,对大量音频进行文字标注。工作太枯燥,费时,就写了一个脚本,借助迅捷音频转文字在线工具,个人感觉在一定程度上提高了效率

过程

很简单

  1. 将大量短音频合并,中间用特殊的音频分隔
  2. 将大的音频分隔成固定大小的音频(迅捷在线语音转换一次最多只能免费转换20M的音频)
  3. 上传到迅捷音频转换页面,进行转换,并把txt文件下载
  4. 整理txt文件,删除标点和间隔语音转换的文字,并把所有文字合并到同一个txt文件里面

语言

python 3.7

引用库

1
2
3
4
5
6
7
import os
import shutil
from pydub import AudioSegment
from pydub.utils import make_chunks
from selenium import webdriver
import time
import re

具体原理相关库已经说明,可以使用pip直接下载,也可以手动下载安装,遇到问题直接Google求助,这里不再说明

代码

脚本1,将音频合并切割并转换成txt

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
import os
import shutil
from pydub import AudioSegment
from pydub.utils import make_chunks
from selenium import webdriver
import time
import re

dir_parent = 'D:\\测试音频' #音频存放位置
dir_letter = dir_parent + '\\合并后的音频' #合并后的音频存放的位置
dir_letter_letter = dir_parent + '\\切割后的音频' #切割后的音频存放的位置
dir_letter_txt = dir_parent + '\\转换后的txt文件' #下载转换后的txt文件存放的位置
add_sound = AudioSegment.from_wav('sample.wav') #sample.wav是间隔音频,和脚本放在同一目录
sum_sound = add_sound

# 分别和并同一文件夹下的所有音频
for path,dir_list,file_list in os.walk(dir_parent):
for dir_name in dir_list:
dir_child = dir_parent + '\\' + dir_name
for path,dir_list,file_list in os.walk(dir_child):
for file_name in file_list:
#print(file_name)
front_path = os.path.join(path, file_name)
#print(front_path)
front_sound = AudioSegment.from_wav(front_path)
sum_sound = sum_sound + front_sound + add_sound
sum_sound.export(dir_child+'已合并.wav',format="wav")
sum_sound = add_sound
print(dir_child+'文件下的音频合并完成')

# 将处理过的音频放入同一文件夹内
os.makedirs(dir_letter)
for file in os.listdir(dir_parent):
if os.path.isfile(dir_parent + '\\' + file):
if '已合并' in file:
shutil.move(dir_parent + '\\' + file,dir_letter)
print("所有音频合并完成")


# 切割合并后的音频
chunk_length_ms = 325000 # 分块的毫秒数(测试wav文件每个音频如果在325s内刚好不多于20M,当然也可以改成300s)
os.makedirs(dir_letter_letter) # 创建切割音频的文件夹
for path,dir_list,file_list in os.walk(dir_letter):
for file_name in file_list:
audio = AudioSegment.from_file(dir_letter+'\\'+file_name , "wav")
chunks = make_chunks(audio, chunk_length_ms) #将音频切割
#保存切割的音频到文件
# 下面两行目的是对文件名进行简单处理,保证文件名都是数字,排序时方便整理,这个因文件名而异
file_name_change1 = file_name.strip('已合并.wav')
file_name_change2 = file_name_change1.strip('AAAAA') #AAAAA是file_name的前缀
for i, chunk in enumerate(chunks):
chunk_name = dir_letter_letter+"\\"+file_name_change2+"{0}.wav".format(i)
chunk.export(chunk_name, format="wav")
print ("音频"+file_name_change2+"切割完成")
print("所有音频切割完成")

# 转换音频文件
# 更改firefox默认下载设置,不懂可自行Google
profile = webdriver.FirefoxProfile()
profile.set_preference('browser.download.dir',dir_letter_letter)
profile.set_preference('browser.download.folderList',2)
profile.set_preference('browser.download.manager.showWhenStarting',False)
profile.set_preference('browser.helperApps.neverAsk.saveToDisk','text/plain')

# 历遍文件夹内的文件并返回一个列表
path_list = os.listdir(dir_letter_letter)
# 利用循环历遍path_list列表
for file_name in path_list:
#print(filename)
#启动浏览器
driver1 = webdriver.Firefox(firefox_profile=profile)
driver1.get("https://app.xunjiepdf.com/voice2text/") #打开迅捷转换网页
print('开始上传'+file_name+'音频文件')
upload = driver1.find_element_by_name('file') #寻找上传按钮
upload.send_keys(dir_letter_letter+'\\'+file_name) #上传文件
print('音频文件'+file_name+'上传成功')
time.sleep(50) #睡眠50S等待音频转换完成
print('开始下载文件')
driver1.execute_script("arguments[0].click();", driver1.find_element_by_xpath("//a[contains(text(),'立即下载')]")) #定位txt下载按钮并下载
print('文件下载成功')
print('所有文件下载完成')

脚本2,整理txt

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
import os
import shutil
from pydub import AudioSegment
from pydub.utils import make_chunks
from selenium import webdriver
import time
import re

dir_parent = 'D:\\测试音频' #音频存放位置
dir_letter = dir_parent + '\\合并后的音频' #合并后的音频存放的位置
dir_letter_letter = dir_parent + '\\切割后的音频' #切割后的音频存放的位置
dir_letter_txt = dir_parent + '\\转换后的txt文件' #下载转换后的txt文件存放的位置
add_sound = AudioSegment.from_wav('sample.wav') #sample.wav是间隔音频,和脚本放在同一目录
sum_sound = add_sound

# 将所有txt文件合并
for file_name in os.listdir(dir_letter_txt):
print(file_name)
for line in open(dir_letter_txt+'\\'+file_name,encoding='UTF-8'):
f = open("result.txt",'a') # result.txt是创建的和脚本位于同一目录下的存放所有转换文字的文件
f.write(line)
f.close()

# 整理了txt文件内容
# 将文件中的句号转换成空格
f=open('result.txt','r')
alllines=f.readlines()
f.close()
f=open('result.txt','w+')
for eachline in alllines:
a=re.sub('。',' ',eachline)
f.writelines(a)
f.close()
# 将文件中的逗号转换成空格
f=open('result.txt','r')
alllines=f.readlines()
f.close()
f=open('result.txt','w+')
for eachline in alllines:
a=re.sub(',',' ',eachline)
f.writelines(a)
f.close()
# 将文件中的顿号转换成空格
f=open('result.txt','r')
alllines=f.readlines()
f.close()
f=open('result.txt','w+')
for eachline in alllines:
a=re.sub('、','',eachline)
f.writelines(a)
f.close()

# 将间隔音频转换的文字转换成换行符,方便查看
f=open('result.txt','r')
alllines=f.readlines()
f.close()
f=open('result.txt','w+')
for eachline in alllines:
a=re.sub('AAAA','\n',eachline) #AAAA是间隔音频转换的文字内容
f.writelines(a)
f.close()
print("txt处理完成,请查看result.txt文件")

脚本写的比较匆忙,自己对python也不是很熟悉,没有使用函数,凑活用,直接是个单线程的程序,尝试处理八百多条音频时间二十分钟左右,识别率挺高,没有用多线程是因为脚本运行过程中多次调用firefox,担心程序崩溃。

脚本文件已上传到github,可自行下载;

脚本成功运行的条件是音频放在多个文件夹里面,多个文件夹同时有放在同一个名为“测试音频”的文件夹里面,相当于是三级目录。

本文标题: 大量短音频免费快速转文字

文章作者: 李钰璕

发布时间: 2020年03月15日 - 12:44

最后更新: 2020年04月02日 - 14:32

原始链接: https://www.leeyuxun.icu/大量短音频免费快速转文字.html

许可协议: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议,转载请注明出处!