幾行代碼，抱上IBM爸爸大腿，實作音頻快速轉文字~用到了IBM Waston的Speech to text（目前還是個demo）
碎碎念的廢話~
前幾天工作中遇到需要把音頻轉為文字稿的任務，順便學了個新詞語：扒詞。
扒詞：根據視訊資訊獲得文字資訊，即根據錄音或者台詞，然後轉字幕。
拿音頻找導演聯系扒詞，結果導演居然說視訊扒詞可以，音頻就算了吧，算了吧……！
我可是有30個音頻，每個雖然才2-5分鐘，但轉成文字每個也有近千字吧，總和就是30000字！難道純手打嗎！踹翻導演啊！
科技這麼發達，難道找不到音頻轉文字的軟體嗎！我于是搜了一下：
……天下沒有免費的午餐。
感謝萬能的知乎！讓我找到了IBM 爸爸的Speech to text！
Speech to text官網在這裡：
https://speech-to-text-demo.ng.bluemix.net/準備好你的音頻，以及Python，開始吧！！（推薦Anaconda，關于Anaconda安裝、Python包的安裝，可以看文末我的兩篇小筆記~）
第一步
點選首頁紫色的那個「Star for free in IBM Cloud」按鈕，注冊IBM Cloud并登陸（注冊不了的親，記得科學上網）。
第二步
添加服務（因為我已經加了服務，沒法給大家截圖了，自己找找吧），添加後是這樣的：
看到頁面下方顯示服務憑證，且username和password都是加密符号表示。點選右側的「顯示」，打開眼睛，把username和password記下來（複制到記事本裡啦不要翻小本本了！）
好了，官網任務完成，可以關掉了。
第三步
Python安裝SpeechRecognition包。
包的官網：
https://pypi.org/project/SpeechRecognition/ 運作-cmd，打開指令提示符。輸入pip install SpeechRecognition，耐心等待一會兒（我家裡網速比較捉急，花了10分鐘……網速好的話幾秒鐘吧，吐血），安裝完成即可。 第四步
打開Jupyter Notebook開始寫代碼啦！
import speech_recognition as sr #加載包
r = sr.Recognizer() with sr.WavFile("E://1.mp3") as source: #請把引号内改成你自己的音頻檔案路徑
audio = r.record(source)
運作這一步發現報錯了。
原來要wav格式。推薦一個好用的神器：格式工廠。音頻視訊檔案轉格式我都用它，友善小巧。
轉格式後把引号裡的内容改成1.wav就可以運作了。
接着定義賬号密碼，把引号裡的XXX改成你自己的。
IBM_USERNAME = 'XXXXXXXX'
IBM_PASSWORD= 'XXXXXXXX'
以及調用IBM的Speech to text。
text = r.recognize_ibm(audio, username = IBM_USERNAME, password = IBM_PASSWORD, language = 'zh-CN')
我2分多鐘的音頻大概運作了半分鐘左右吧。這個text，就是你音頻轉過來的文字了。讓我們來試試：
print(text)
嗯……雖然準确率沒有100%，但也已經比較可觀了！！
它支援多種語言，隻需要把language變量改成以下這些就可以實作不同語言的轉換：
ar-AR 阿根廷語
en-UK 英式英語
en-US 美式英語
es-ES 西班牙語
fr-FR 法語
ja-JP 日語
pt-BR 巴西葡萄牙語
zh-CN 中文
每個免費賬戶每個月可使用100分鐘，30天不活躍服務将删除。
6行代碼輕松音頻轉文字，你學會了嘛？
原文釋出時間為：2018-07-18
本文作者：莉莉安的向日葵
本文來自雲栖社群合作夥伴“
Python愛好者社群”，了解相關資訊可以關注“
”