利用Python进行微信,QQ的语音识别!内部技术的延…

2018-07-09 13:31:30来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

现在的最火两款聊天工具,QQ和微信,但是很多的时候不方便听别人发的语音,这时候这个功能就能派上用场了,当然了,不止能识别QQ语音还有一些没有字幕的电影也能识别出来,好了废话不多说,马上切入咱们的主题!

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

中英字幕 小样

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

IBM注册 应用部署

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

账户密码

正好也支持Python调用,整个过程很简单,就是先安装IBM的模块,这里我使用的是speechrecognition模块,在pycharm直接可以搜索到并安装,

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

peechrecognition模块

感叹到:Python的功能真是应有尽有,没有你想不到的。

然后我写了不多的几行代码,这个艰难的事情就迎刃而解了

思路主要如下,就是将视频转为WAV格式的音频(转为MP3等其他格式,可能识别不了),然后调用识别模块,就静静的等着或者去忙其他的事,最后会返回识别出来的文本

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

利用Python进行微信,QQ的语音识别!内部技术的延伸版!

 

测试结果分析:

1、IBM的API能识别英语、中文等好几种语言,识别的正确率很不错;

2、经过我的初步测试,IBM的识别机制是按照这样来的:先是将你的音频传到IBM的服务器,然后是打开音频实时识别,听起来很拗口,意思就是将音频放一遍,服务器边放边识别,最后将所有的识别以文本的形式(貌似是JSON格式,但是在speechrecognition模块中,已经转为文本)返回给你;

3、看完上面的识别机制,你可能会产生疑问:如果音频时间比较长,中间出现网络中断,之前识别的内容不就没了么。因此最好采取分段的方法,将音频分割为较短的几段,等效于实时的返回,减少丢失的问题;

4、经过测试,又有新问题,如果分段的话,超过10段以上,远程服务器会中断服务,也就是说:不能频繁的调接口,跟网站的发爬虫一样。多进程就别想了。最后部门石经理提供的解决办法是:识别一段后。等个5秒左右再循环下一个,照此方法可行。由于我自己的视频不长,数量也不多,就没做等待处理;

5、IBM的语音识别着实厉害,其他的语音识别等有时间再做测试。

进群:125240963  即可获取数十套PDF哦!

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:python全栈开发-第六天

下一篇:tuple 方法总结整理