Python 語音轉文字與影片分割工具實作

– 10 分鐘閱讀

語音辨識與影片分割是常見的多媒體處理需求，Python 提供了許多方便的函式函式庫，讓開發者能輕鬆實作這些功能。本文將介紹如何使用 SpeechRecognition、pyttsx3 和 ffmpeg 等函式函式庫，分別打造語音轉文字和影片分割工具，並探討其應用場景與實作細節。過程中，我們會使用 PyAudio 擷取音訊，並透過 SpeechRecognition 將語音轉換成文字；同時，利用 ffmpeg 的強大功能，實作影片的精準分割，並提供程式碼範例與說明，讓讀者能快速理解並應用於實際專案中。

需求

要使用此轉換器，需要安裝以下模組：

  • Python Speech Recognition 模組：pip install speechrecognition
  • PyAudio 模組：
    • Linux 使用者可以使用 sudo apt-get install python3-pyaudio 安裝
    • Windows 使用者可以使用 pip install pyaudio 安裝
  • Python pyttsx3 模組：pip install pyttsx3

執行轉換器

要執行轉換器，請按照以下步驟：

  1. 輸入語音輸入。
  2. 執行 converter_terminal.py 指令碼。
  3. 輸出文字將被顯示。

使用的 Py 模組

  • PyAudio==0.2.11
  • SpeechRecognition==3.8.1

程式碼

import speech_recognition as sr

def record_voice():
    # 建立語音辨識器
    microphone = sr.Recognizer()

    # 使用麥克風作為語音輸入來源
    with sr.Microphone() as live_phone:
        # 語音辨識
        audio = microphone.listen(live_phone)

        try:
            # 將語音轉換為文字
            text = microphone.recognize_google(audio, language="zh-TW")
            print("辨識結果：", text)
        except sr.UnknownValueError:
            print("無法辨識語音")
        except sr.RequestError as e:
            print("錯誤：", e)

# 執行語音轉文字轉換器
record_voice()

內容解密：

上述程式碼使用 speech_recognition 模組來辨識語音輸入，並使用 pyttsx3 模組來將辨識結果轉換為文字。程式碼首先建立一個語音辨識器，然後使用麥克風作為語音輸入來源。接著，程式碼使用 listen() 方法來收集語音輸入，並使用 recognize_google() 方法來將語音轉換為文字。最後，程式碼將辨識結果印出。

圖表翻譯：

  flowchart TD
    A[語音輸入] --> B[語音辨識]
    B --> C[文字輸出]
    C --> D[印出結果]

此圖表顯示了語音轉文字轉換器的流程。語音輸入被送入語音辨識器，然後辨識結果被轉換為文字。最後，文字輸出被印出。

語音轉文字技術

語音轉文字是一種可以將人們的語音轉換成文字的技術。這種技術在現代生活中有著廣泛的應用，例如語音助手、語音輸入等。

語音轉文字的工作原理

語音轉文字的工作原理是透過語音訊號處理和語言模型來實作的。首先，語音訊號被錄入並轉換成數字訊號。然後，數字訊號被傳入語音轉文字的演算法中，演算法會對訊號進行分析和識別，從而得出對應的文字。

Python 中的語音轉文字

在 Python 中，可以使用 speech_recognition 和 pyaudio 等函式庫來實作語音轉文字的功能。以下是一個簡單的範例：

import speech_recognition as sr

def record_voice():
    # 建立語音識別物件
    r = sr.Recognizer()
    
    # 調整麥克風的環境噪音
    with sr.Microphone() as source:
        r.adjust_for_ambient_noise(source)
        
    # 列印提示資訊
    print("I'm trying to hear you: ")
    
    # 錄入語音
    audio = r.listen(source)
    
    try:
        # 語音識別
        phrase = r.recognize_google(audio, language='en')
        
        return phrase
    
    except sr.UnknownValueError:
        return "I didn't understand what you said"

if __name__ == '__main__':
    phrase = record_voice()
    
    # 將語音轉換成文字並儲存到檔案中
    with open('you_said_this.txt', 'w') as file:
        file.write(phrase)
        print('the last sentence you spoke was saved in you_said_this.txt')

相關函式庫的安裝

要使用上述的範例，需要安裝 speech_recognition 和 pyaudio 等函式庫。可以使用 pip 來安裝：

pip install SpeechRecognition
pip install pyaudio

語音辨識與文字轉語音技術

引言

語音辨識和文字轉語音技術是人工智慧領域中兩個重要的分支。語音辨識是指將語音訊號轉換為文字的過程，而文字轉語音則是指將文字轉換為語音的過程。這兩種技術在現代生活中有著廣泛的應用，例如語音助手、語音導航、語音搜尋等。

語音辨識技術

語音辨識技術是指使用電腦將語音訊號轉換為文字的過程。這種技術需要使用特殊的演算法和模型來識別語音訊號中的音素和詞彙。目前，語音辨識技術已經相當成熟，許多公司和組織都在使用這種技術來開發語音助手和語音搜尋系統。

安裝語音辨識函式庫

要使用語音辨識技術，需要安裝特殊的函式庫和框架。例如，Python 中的 SpeechRecognition 函式庫是一個常用的語音辨識函式庫。可以使用 pip 安裝這個函式庫：

pip install SpeechRecognition

使用語音辨識函式庫

安裝好函式庫之後，可以使用以下程式碼來進行語音辨識：

import speech_recognition as sr

# 建立語音辨識物件
r = sr.Recognizer()

# 使用麥克風錄製語音
with sr.Microphone() as source:
    # 啟動語音錄製
    audio = r.listen(source)

    # 將語音訊號轉換為文字
    try:
        text = r.recognize_google(audio, language="zh-TW")
        print(text)
    except sr.UnknownValueError:
        print("無法辨識語音")
    except sr.RequestError as e:
        print("錯誤：", e)

文字轉語音技術

文字轉語音技術是指將文字轉換為語音的過程。這種技術需要使用特殊的演算法和模型來合成語音訊號。目前，文字轉語音技術已經相當成熟，許多公司和組織都在使用這種技術來開發語音助手和語音導航系統。

安裝文字轉語音函式庫

要使用文字轉語音技術，需要安裝特殊的函式庫和框架。例如，Python 中的 pyttsx3 函式庫是一個常用的文字轉語音函式庫。可以使用 pip 安裝這個函式庫：

pip install pyttsx3

使用文字轉語音函式庫

安裝好函式庫之後，可以使用以下程式碼來進行文字轉語音：

import pyttsx3

# 建立文字轉語音物件
engine = pyttsx3.init()

# 設定語音引擎
voices = engine.getProperty('voices')
engine.setProperty('voice', voices[0].id)

# 將文字轉換為語音
def speak(text):
    engine.say(text)
    engine.runAndWait()

# 測試文字轉語音
speak("Hello, world!")

速度測試

使用 Python 進行速度測試是一種評估程式執行效率的方法。以下是使用 Python 進行速度測試的範例：

速度測試程式

import time

def speed_test():
    start_time = time.time()
    # 執行要測試的程式碼
    end_time = time.time()
    elapsed_time = end_time - start_time
    print(f"執行時間：{elapsed_time} 秒")

speed_test()

說明

  • time.time() 函式用於取得目前的時間。
  • start_time 變數記錄程式碼執行前的時間。
  • end_time 變數記錄程式碼執行後的時間。
  • elapsed_time 變數計算程式碼執行的時間差。

範例：語音辨識速度測試

import speech_recognition as sr
import time

def speech_recognition_speed_test():
    r = sr.Recognizer()
    with sr.Microphone() as source:
        print('請說些什麼！')
        start_time = time.time()
        audio = r.listen(source)
        end_time = time.time()
        elapsed_time = end_time - start_time
        print(f"錄音時間：{elapsed_time} 秒")
        try:
            start_time = time.time()
            text = r.recognize_google(audio)
            end_time = time.time()
            elapsed_time = end_time - start_time
            print(f"辨識時間：{elapsed_time} 秒")
            print('Google 辨識結果：\n' + text)
        except Exception as e:
            print(e)

speech_recognition_speed_test()

結果

  • 錄音時間：X 秒
  • 辨識時間：Y 秒
  • Google 辨識結果：XXX

討論

  • 速度測試可以幫助我們評估程式的執行效率。
  • 語音辨識的速度取決於多個因素，包括錄音時間、辨識時間和網路連線速度。
  • 最佳化語音辨識的速度可以透過改進錄音品質、使用更快的辨識演算法和最佳化網路連線速度來實作。

影片分割工具

簡介

本工具使用 ffmpeg-python 函式庫，提供了一個簡單的方式來分割影片檔。這個工具可以根據使用者的需求，將一個大型影片檔分割成多個小型檔案。

安裝

要使用這個工具，首先需要安裝 ffmpeg-python 函式庫。可以使用 pip 來安裝：

pip install ffmpeg-python

使用方式

以下是工具的使用方式：

import ffmpeg

# 輸入影片檔路徑
input_file = input("Enter the video file path: ")

# 輸入分割間隔（秒）
interval = int(input("Enter the interval (seconds): "))

# 輸入輸出檔路徑
output_path = input("Enter the output path: ")

# 分割影片
(
    ffmpeg
    .input(input_file)
    .segment_time(interval)
    .segment_format("mp4")
    .output(output_path + "/%03d.mp4")
    .run()
)

說明

  1. 首先，輸入影片檔路徑。
  2. 然後，輸入分割間隔（秒）。
  3. 接下來，輸入輸出檔路徑。
  4. 最後，工具會將影片檔分割成多個小型檔案，每個檔案的長度為分割間隔（秒）。

範例

假設我們有一個名為 input.mp4 的影片檔，想要將它分割成每個檔案 10 秒的影片。可以使用以下命令：

input_file = "input.mp4"
interval = 10
output_path = "output"

工具會將 input.mp4 分割成多個小型檔案，例如 001.mp4、002.mp4 等，每個檔案的長度為 10 秒。

圖表翻譯

以下是工具的流程圖：

  graph LR
    A[輸入影片檔路徑] --> B[輸入分割間隔]
    B --> C[輸入輸出檔路徑]
    C --> D[分割影片]
    D --> E[輸出分割後的檔案]

這個工具提供了一個簡單的方式來分割影片檔，希望可以幫助使用者解決影片分割的需求。

影片分割工具： Videosplitter

簡介

Videosplitter 是一款根據 Python 的影片分割工具，利用 ffmpeg 進行影片的分割。它允許使用者將一個影片檔案分割成兩個部分，根據指定的開始和結束時間。

使用方法

要使用 Videosplitter，請按照以下步驟進行：

  1. 安裝 ffmpeg：確保您的系統中已經安裝了 ffmpeg，版本為 1.4 或以上。
  2. 執行 Videosplitter：在終端中，執行以下命令：
python videosplitter.py test.mp4 0 50 out1.mp4 out2.mp4

這將分割 test.mp4 影片檔案，從 0 秒開始到 50 秒結束，生成兩個新的影片檔案：out1.mp4 和 out2.mp4。

引數説明

  • inputfile：輸入影片檔案的名稱。
  • starttime：分割的開始時間（秒）。
  • endtime：分割的結束時間（秒）。
  • outputfile1：第一個輸出影片檔案的名稱。
  • outputfile2：第二個輸出影片檔案的名稱。

程式碼説明

Videosplitter 的程式碼使用 argparse 進行命令列引數的解析，使用 ffmpeg 進行影片的分割。以下是程式碼的主要部分：

import ffmpeg
import argparse

parser = argparse.ArgumentParser(description='Split A media file into two chunks')
parser.add_argument('inputfile', help="Input filename")
parser.add_argument('starttime', type=float, help="Start time in seconds")
parser.add_argument('endtime', type=float, help="End time in seconds")
parser.add_argument('outputfile1', help="Output filename")
parser.add_argument('outputfile2', help="Output filename")

args = parser.parse_args()

in1 = ffmpeg.input(args.inputfile)
v1 = in1.filter('trim', start=float(args.starttime), end=(args.endtime))
v2 = in1.filter('trim', start=float(args.endtime))

out1 = ffmpeg.output(v1, args.outputfile1)

Mermaid 圖表

  flowchart TD
    A[輸入影片檔案] --> B[分割開始時間]
    B --> C[分割結束時間]
    C --> D[生成兩個新影片檔案]
    D --> E[輸出第一個影片檔案]
    D --> F[輸出第二個影片檔案]

圖表翻譯

此圖表展示了 Videosplitter 的工作流程。首先，輸入影片檔案，然後指定分割的開始和結束時間。接著，生成兩個新影片檔案，分別輸出第一個和第二個影片檔案。

檔案分割工具

概述

本工具可根據指定的索引將檔案分割成多個部分。它支援分割 CSV 和文字檔案。

前置條件

在執行本指令碼之前，必須在主機系統上安裝 Python。

執行指令碼

要執行指令碼，請在終端中輸入以下命令：

python split_files.py <csv/文字檔案> <分割/行號>

需求

  • pandas==1.1.0

程式碼

import sys
import os
import shutil
import pandas as pd

class 檔案分割器:
    '''
    檔案分割工具類
    '''

    def __init__(self, 檔名, 分割號):
        '''
        初始化檔名和分割索引
        如果輸出目錄已存在，則清空它
        取得副檔名
        '''
        self.檔名 = 檔名
        self.分割號 = 分割號
        self.輸出目錄 = '分割檔案'
        if os.path.exists(self.輸出目錄):
            shutil.rmtree(self.輸出目錄)
        os.makedirs(self.輸出目錄)
        self.副檔名 = os.path.splitext(檔名)[1]

    def 分割檔案(self):
        '''
        根據分割索引分割檔案
        '''
        if self.副檔名 == '.csv':
            df = pd.read_csv(self.檔名)
            分割數 = len(df) // self.分割號
            for i in range(self.分割號):
                start = i * 分割數
                end = (i + 1) * 分割數 if i < self.分割號 - 1 else len(df)
                df_split = df.iloc[start:end]
                df_split.to_csv(os.path.join(self.輸出目錄, f'分割_{i+1}.csv'), index=False)
        else:
            with open(self.檔名, 'r') as f:
                lines = f.readlines()
            分割數 = len(lines) // self.分割號
            for i in range(self.分割號):
                start = i * 分割數
                end = (i + 1) * 分割數 if i < self.分割號 - 1 else len(lines)
                with open(os.path.join(self.輸出目錄, f'分割_{i+1}.txt'), 'w') as f:
                    f.writelines(lines[start:end])

if __name__ == '__main__':
    if len(sys.argv) != 3:
        print('使用方法：python split_files.py <csv/文字檔案> <分割/行號>')
    else:
        檔名 = sys.argv[1]
        分割號 = int(sys.argv[2])
        分割器 = 檔案分割器(檔名, 分割號)
        分割器.分割檔案()

使用方法

  1. 儲存以上程式碼為 split_files.py 檔案。
  2. 在終端中輸入 python split_files.py <csv/文字檔案> <分割/行號> 執行指令碼。
  3. 指令碼將根據指定的索引將檔案分割成多個部分，並儲存於 分割檔案 目錄中。

從檔案處理效率與程式碼結構的雙重角度來看，以上各個程式碼片段雖然各自實作了特定功能，但仍存在一些可以最佳化和提升的空間。

深入分析程式碼的核心邏輯，可以發現語音轉文字、影片分割、檔案分割等功能都圍繞著「輸入-處理-輸出」的流程展開。然而，各個片段的程式碼結構略顯分散，缺乏整體的規劃和設計。這在一定程度上限制了程式碼的可維護性和擴充套件性。例如，錯誤處理機制不夠完善，使用者介面不夠友好，以及程式碼模組化程度不足等問題，都可能影響程式碼的長期使用和維護。

技術演進的趨勢表明，整合不同功能模組，構建更具通用性的工具將是未來的發展方向。因此，建議將這些程式碼片段整合到一個統一的框架下，並採用更具彈性的設計模式。例如，可以設計一個通用的檔案處理平臺，使用者可以根據需求選擇不同的處理模組，例如語音轉文字、影片分割、檔案分割等。同時，可以引入更強大的錯誤處理機制、更友好的使用者介面以及更完善的程式碼檔案，以提升程式碼的品質和易用性。

玄貓認為，程式碼的價值不僅在於實作功能，更在於其可維護性、可擴充套件性和可重用性。透過持續的最佳化和重構，將這些程式碼片段整合到一個更具通用性和彈性的框架下，才能最大程度地發揮其價值，並更好地適應未來的技術發展趨勢。對於追求程式碼品質的開發者而言，採用模組化設計、強化錯誤處理、提升使用者經驗等最佳實務，將是提升程式碼價值的關鍵所在。

玄貓

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。