碎碎念的废话~

前几天工作中遇到需要把音频转为文字稿的任务，顺便学了个新词语：扒词。

扒词：根据视频信息获得文字信息，即根据录音或者台词，然后转字幕。

拿音频找导演联系扒词，结果导演居然说视频扒词可以，音频就算了吧，算了吧……！

我可是有30个音频，每个虽然才2-5分钟，但转成文字每个也有近千字吧，总和就是30000字！难道纯手打吗！踹翻导演啊！

科技这么发达，难道找不到音频转文字的软件吗！我于是搜了一下：

……天下没有免费的午餐。

感谢万能的知乎！让我找到了IBM 爸爸的Speech to text！

Speech to text官网在这里：

以及感谢一份15年的教程：

准备好你的音频，以及Python，开始吧！！（推荐Anaconda，关于Anaconda安装、Python包的安装，可以看文末我的两篇小笔记~）

第一步

点击首页紫色的那个「Star for free in IBM Cloud」按钮，注册IBM Cloud并登陆（注册不了的亲，记得科♂学上网）。

添加服务（因为我已经加了服务，没法给大家截图了，自己找找吧），添加后是这样的：

点击现有服务，找到已有的服务。

点击服务名称查看详情。

看到页面下方显示服务凭证，且username和password都是加密符号表示。点击右侧的「显示」，打开眼睛，把username和password记下来（复制到记事本里啦不要翻小本本了！）

好了，官网任务完成，可以关掉了。

Python安装SpeechRecognition包。

包的官网：

运行-cmd，打开命令提示符。输入pip install SpeechRecognition，耐心等待一会儿（我家里网速比较捉急，花了10分钟……网速好的话几秒钟吧，吐血），安装完成即可。

出现下面这行字说明装好了。

打开Jupyter Notebook开始写代码啦！

import speech_recognition as sr #加载包
r = sr.Recognizer()  with sr.WavFile("E://1.mp3") as source:  #请把引号内改成你自己的音频文件路径
   audio = r.record(source)

运行这一步发现报错了。

原来要wav格式。推荐一个好用的神器：格式工厂。音频视频文件转格式我都用它，方便小巧。

转格式后把引号里的内容改成1.wav就可以运行了。

接着定义账号密码，把引号里的XXX改成你自己的。

IBM_USERNAME = 'XXXXXXXX'  
IBM_PASSWORD= 'XXXXXXXX'

以及调用IBM的Speech to text。

text = r.recognize_ibm(audio, username = IBM_USERNAME, password = IBM_PASSWORD, language = 'zh-CN')

我2分多钟的音频大概运行了半分钟左右吧。这个text，就是你音频转过来的文字了。让我们来试试：

print(text)

嗯……虽然准确率没有100%，但也已经比较可观了！！

它支持多种语言，只需要把language变量改成以下这些就可以实现不同语言的转换：

每个免费账户每个月可使用100分钟，30天不活跃服务将删除。

6行代码轻松音频转文字，你学会了嘛？

文末小链接：