包含使用python获取一段录音的词条

本文目录一览：

• 1、如何用python调用百度语音识别
• 2、python录音文件流报错 在线等
• 3、python 怎么录制系统声音不只是麦克风声音
• 4、python中音频图像识别和网页相关的库合集！

如何用python调用百度语音识别

1、首先需要打开百度AI语音系统，开始编写代码，如图所示，编写好回车。

2、然后接下来再试一下16k.pcm的音频，开始编写成功回车，如图所示的编写。

3、最后，查看音频c的属性，可以看到音频持续28秒，这样就是用python调用百度语音识别成功解决问题。

python录音文件流报错 在线等

今天aiping点读笔的MP3源文件出现声音大小不一致，而且需要将英文单词MP3与单词翻译MP3文件连接起来，刚开始使用ffmpeg效果很差。万能的gitgub再次证明了它的万能，我找到了pydub

1 网址:

2 pydub需要依赖 libav或者ffmpeg

4 安装pydub: pip install pydub

5 使用pydub:

12345678910111213141516171819202122232425

enPath = “%s%s/%s”%(enDir,file,enfile) #英文文件的路径cnPath = “%s%s/%s”%(cnDir,file,enfile.replace(“en_w”,”cn_w”))#中文文件的路径targetPath = “%s%s/%s”%(toDir,file,enfile.replace(“en_w”,”all”)) #合并文件的路径#加载MP3文件song1 = AudioSegment.from_mp3(enPath)song2 = AudioSegment.from_mp3(cnPath) #取得两个MP3文件的声音分贝db1 = song1.dBFSdb2 = song2.dBFS song1 = song1[300:] #从300ms开始截取英文MP3 #调整两个MP3的声音大小，防止出现一个声音大一个声音小的情况dbplus = db1 – db2if dbplus 0: # song1的声音更小 song1+=abs(dbplus)elif dbplus 0: #song2的声音更小 song2+=abs(dbplus) #拼接两个音频文件song = song1 + song2 #导出音频文件song.export(targetPath, format=”mp3″) #导出为MP3格式

python 怎么录制系统声音不只是麦克风声音

#我可以帮你写一段代码，能够录音形成wav文件，不过要分析录音文件的波形，你可以另外找#工具，比如cooledit，也很方便。

from sys import byteorder

from array import array

from struct import pack

import pyaudio

import wave

THRESHOLD = 500

CHUNK_SIZE = 1024

FORMAT = pyaudio.paInt16

RATE = 44100

def is_silent(snd_data):

“Returns ‘True’ if below the ‘silent’ threshold”

return max(snd_data) THRESHOLD

def normalize(snd_data):

“Average the volume out”

MAXIMUM = 16384

times = float(MAXIMUM)/max(abs(i) for i in snd_data)

r = array(‘h’)

for i in snd_data:

r.append(int(i*times))

return r

def trim(snd_data):

“Trim the blank spots at the start and end”

def _trim(snd_data):

snd_started = False

r = array(‘h’)

for i in snd_data:

if not snd_started and abs(i)THRESHOLD:

snd_started = True

r.append(i)

elif snd_started:

r.append(i)

return r

# Trim to the left

snd_data = _trim(snd_data)

# Trim to the right

snd_data.reverse()

snd_data = _trim(snd_data)

snd_data.reverse()

return snd_data

def add_silence(snd_data, seconds):

“Add silence to the start and end of ‘snd_data’ of length ‘seconds’ (float)”

r = array(‘h’, [0 for i in xrange(int(seconds*RATE))])

r.extend(snd_data)

r.extend([0 for i in xrange(int(seconds*RATE))])

return r

def record():

“””

Record a word or words from the microphone and

return the data as an array of signed shorts.

Normalizes the audio, trims silence from the

start and end, and pads with 0.5 seconds of

blank sound to make sure VLC et al can play

it without getting chopped off.

“””

p = pyaudio.PyAudio()

stream = p.open(format=FORMAT, channels=1, rate=RATE,

input=True, output=True,

frames_per_buffer=CHUNK_SIZE)

num_silent = 0

snd_started = False

r = array(‘h’)

while 1:

# little endian, signed short

snd_data = array(‘h’, stream.read(CHUNK_SIZE))

if byteorder == ‘big’:

snd_data.byteswap()

r.extend(snd_data)

silent = is_silent(snd_data)

if silent and snd_started:

num_silent += 1

elif not silent and not snd_started:

snd_started = True

if snd_started and num_silent 30:

break

sample_width = p.get_sample_size(FORMAT)

stream.stop_stream()

stream.close()

p.terminate()

r = normalize(r)

r = trim(r)

r = add_silence(r, 0.5)

return sample_width, r

def record_to_file(path):

“Records from the microphone and outputs the resulting data to ‘path'”

sample_width, data = record()

data = pack(” + (‘h’*len(data)), *data)

wf = wave.open(path, ‘wb’)

wf.setnchannels(1)

wf.setsampwidth(sample_width)

wf.setframerate(RATE)

wf.writeframes(data)

wf.close()

if __name__ == ‘__main__’:

print(“please speak a word into the microphone”)

record_to_file(‘demo.wav’)

print(“done – result written to demo.wav”)

python中音频图像识别和网页相关的库合集！

1、OpenCV

OpenCV是最常用的图像和视频识别库。毫不夸张地说，OpenCV能让Python在图像和视频识别领域完全替代Matlab。

OpenCV提供各种应用程序接口，同时它不仅支持Python，还支持Java和Matlab。OpenCV出色的处理能力使其在计算机产业和学术研究中都广受好评。

2、Librosa

Librosa是一个非常强大的音频和声音处理Python库。Librosa可以用来从音频段中提取各个部分，例如韵律，节奏以及节拍。

像Laplacia分割这样极度复杂的算法，在使用了Librosa之后只需几行代码就能轻而易举的运用。

Python在被广泛运用于数据科学领域前，曾经可是网页开发领域的宠儿。因此也有很多用于网页开发的库。

3、Django

要想使用Python来开发一个网页服务后端，Django一直都是不二之选。Django的设计理念便是，能用几行代码就建立一个网站的高级框架。

Django直接与大多数知名数据库相连，这样使用者就可以省下建立连接和数据模型开发的时间。Django的使用者只需专注于业务逻辑而不需担心受创建、更新、读取和删除（Create,update,retrieve and delete, CURD）的操控，因为Django是一个由数据库驱动的框架。

4、Flask

Flask是一个用于Python的轻量级网页开发框架。其最宝贵的特点是能够轻而易举地进行能够满足任何需求的定制化处理。

有很多提供网站UI的知名Python库和Python工具都是使用Flask构建的，例如Plotly Dash和Airflow。这些网站之所以使用Flask，正是由于其轻量级的特点。

诚然，还有许多优秀的Python库应当被提及，但上述这些库就足够你研究好一阵子了。人生苦短，及时Python！

更多python知识，请关注python视频教程！！