将 mp4 声音转换为 python 中的文本

Question

我想将 Facebook Messenger 中的录音转换为文本。以下是使用 Facebook API 发送的 .mp4 文件示例： https://cdn.fbsbx.com/v/t59.3654-21/15720510_10211855778255994_5430581267814940672_n.mp4/audioclip-1484407992000-3392.mp4?oh=a78286aa96c9dea29e5d07854194801c&oe=587C3833

所以这个文件只包含音频（不包含视频），我想把它转换成文本。

此外，我想尽可能快地完成它，因为我将在几乎实时的应用程序中使用生成的文本（即用户发送 .mp4 文件，脚本将其转换为文本并将其显示回来).

我找到了这个例子https://github.com/Uberi/speech_recognition/blob/master/examples/audio_transcribe.py 这是我使用的代码：

import requests
import speech_recognition as sr

url = 'https://cdn.fbsbx.com/v/t59.3654-21/15720510_10211855778255994_5430581267814940672_n.mp4/audioclip-1484407992000-3392.mp4?oh=a78286aa96c9dea29e5d07854194801c&oe=587C3833'
r = requests.get(url)

with open("test.mp4", "wb") as handle:
    for data in r.iter_content():
        handle.write(data)

r = sr.Recognizer()
with sr.AudioFile('test.mp4') as source:
    audio = r.record(source)

command = r.recognize_google(audio)
print command

但是我收到这个错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\Asterios\Anaconda2\lib\site-packages\speech_recognition\__init__.py", line 200, in __enter__
    self.audio_reader = aifc.open(aiff_file, "rb")
  File "C:\Users\Asterios\Anaconda2\lib\aifc.py", line 952, in open
    return Aifc_read(f)
  File "C:\Users\Asterios\Anaconda2\lib\aifc.py", line 347, in __init__
    self.initfp(f)
  File "C:\Users\Asterios\Anaconda2\lib\aifc.py", line 298, in initfp
    chunk = Chunk(file)
  File "C:\Users\Asterios\Anaconda2\lib\chunk.py", line 63, in __init__
    raise EOFError
EOFError

有什么想法吗？

编辑：我想运行 pythonanywhere.com 免费计划中的脚本，所以我不确定如何在那里安装像 ffmpeg 这样的工具。

编辑 2：如果您运行上面的脚本将 url 替换为这个“http://www.wavsource.com/snds_2017-01-08_2348563217987237/people/men/about_time.wav”并将 'mp4' 更改为 'wav'，则它工作正常。所以肯定是文件格式的问题。

Answer 1

使用Python视频转换器 https://github.com/senko/python-video-converter

import requests
import speech_recognition as sr
from converter import Converter

url = 'https://cdn.fbsbx.com/v/t59.3654-21/15720510_10211855778255994_5430581267814940672_n.mp4/audioclip-1484407992000-3392.mp4?oh=a78286aa96c9dea29e5d07854194801c&oe=587C3833'
r = requests.get(url)
c = Converter()

with open("/tmp/test.mp4", "wb") as handle:
for data in r.iter_content():
handle.write(data)

conv = c.convert('/tmp/test.mp4', '/tmp/test.wav', {
    'format': 'wav',
    'audio': {
    'codec': 'pcm',
    'samplerate': 44100,
    'channels': 2
    },
})

for timecode in conv:
    pass

r = sr.Recognizer()
with sr.AudioFile('/tmp/test.wav') as source:
audio = r.record(source)

command = r.recognize_google(audio)
print command

Answer 2

终于找到解决办法了。我将它张贴在这里，以防将来对某人有所帮助。

还好pythonanywhere.com自带avconvpre-installed（avconv类似于ffmpeg）

下面是一些有效的代码：

import urllib2
import speech_recognition as sr
import subprocess
import os

url = 'https://cdn.fbsbx.com/v/t59.3654-21/15720510_10211855778255994_5430581267814940672_n.mp4/audioclip-1484407992000-3392.mp4?oh=a78286aa96c9dea29e5d07854194801c&oe=587C3833'
mp4file = urllib2.urlopen(url)

with open("test.mp4", "wb") as handle:
    handle.write(mp4file.read())

cmdline = ['avconv',
           '-i',
           'test.mp4',
           '-vn',
           '-f',
           'wav',
           'test.wav']
subprocess.call(cmdline)

r = sr.Recognizer()
with sr.AudioFile('test.wav') as source:
    audio = r.record(source)

command = r.recognize_google(audio)
print command

os.remove("test.mp4")
os.remove("test.wav")

在免费计划中，cdn.fbsbx.com 不在 pythonanywhere 的站点白名单中，因此我无法下载 urllib2 的内容。我联系了他们，他们在 1-2 小时内将域添加到白名单！

非常感谢并祝贺他们提供的优质服务，即使我使用的是免费套餐。

将 mp4 声音转换为 python 中的文本

Convert mp4 sound to text in python

python

audio

mp4

wav