包含使用python獲取一段錄音的詞條

本文目錄一覽：

• 1、如何用python調用百度語音識別
• 2、python錄音文件流報錯 在線等
• 3、python 怎麼錄製系統聲音不只是麥克風聲音
• 4、python中音頻圖像識別和網頁相關的庫合集！

如何用python調用百度語音識別

1、首先需要打開百度AI語音系統，開始編寫代碼，如圖所示，編寫好回車。

2、然後接下來再試一下16k.pcm的音頻，開始編寫成功回車，如圖所示的編寫。

3、最後，查看音頻c的屬性，可以看到音頻持續28秒，這樣就是用python調用百度語音識別成功解決問題。

python錄音文件流報錯 在線等

今天aiping點讀筆的MP3源文件出現聲音大小不一致，而且需要將英文單詞MP3與單詞翻譯MP3文件連接起來，剛開始使用ffmpeg效果很差。萬能的gitgub再次證明了它的萬能，我找到了pydub

1 網址:

2 pydub需要依賴 libav或者ffmpeg

4 安裝pydub: pip install pydub

5 使用pydub:

12345678910111213141516171819202122232425

enPath = “%s%s/%s”%(enDir,file,enfile) #英文文件的路徑cnPath = “%s%s/%s”%(cnDir,file,enfile.replace(“en_w”,”cn_w”))#中文文件的路徑targetPath = “%s%s/%s”%(toDir,file,enfile.replace(“en_w”,”all”)) #合併文件的路徑#載入MP3文件song1 = AudioSegment.from_mp3(enPath)song2 = AudioSegment.from_mp3(cnPath) #取得兩個MP3文件的聲音分貝db1 = song1.dBFSdb2 = song2.dBFS song1 = song1[300:] #從300ms開始截取英文MP3 #調整兩個MP3的聲音大小，防止出現一個聲音大一個聲音小的情況dbplus = db1 – db2if dbplus 0: # song1的聲音更小 song1+=abs(dbplus)elif dbplus 0: #song2的聲音更小 song2+=abs(dbplus) #拼接兩個音頻文件song = song1 + song2 #導出音頻文件song.export(targetPath, format=”mp3″) #導出為MP3格式

python 怎麼錄製系統聲音不只是麥克風聲音

#我可以幫你寫一段代碼，能夠錄音形成wav文件，不過要分析錄音文件的波形，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中音頻圖像識別和網頁相關的庫合集！

1、OpenCV

OpenCV是最常用的圖像和視頻識別庫。毫不誇張地說，OpenCV能讓Python在圖像和視頻識別領域完全替代Matlab。

OpenCV提供各種應用程序介面，同時它不僅支持Python，還支持Java和Matlab。OpenCV出色的處理能力使其在計算機產業和學術研究中都廣受好評。

2、Librosa

Librosa是一個非常強大的音頻和聲音處理Python庫。Librosa可以用來從音頻段中提取各個部分，例如韻律，節奏以及節拍。

像Laplacia分割這樣極度複雜的演算法，在使用了Librosa之後只需幾行代碼就能輕而易舉的運用。

Python在被廣泛運用於數據科學領域前，曾經可是網頁開發領域的寵兒。因此也有很多用於網頁開發的庫。

3、Django

要想使用Python來開發一個網頁服務後端，Django一直都是不二之選。Django的設計理念便是，能用幾行代碼就建立一個網站的高級框架。

Django直接與大多數知名資料庫相連，這樣使用者就可以省下建立連接和數據模型開發的時間。Django的使用者只需專註於業務邏輯而不需擔心受創建、更新、讀取和刪除（Create,update,retrieve and delete, CURD）的操控，因為Django是一個由資料庫驅動的框架。

4、Flask

Flask是一個用於Python的輕量級網頁開發框架。其最寶貴的特點是能夠輕而易舉地進行能夠滿足任何需求的定製化處理。

有很多提供網站UI的知名Python庫和Python工具都是使用Flask構建的，例如Plotly Dash和Airflow。這些網站之所以使用Flask，正是由於其輕量級的特點。

誠然，還有許多優秀的Python庫應當被提及，但上述這些庫就足夠你研究好一陣子了。人生苦短，及時Python！

更多python知識，請關注python視頻教程！！