提示：借助本文提供的代码，把对应的文件地址修改为自己电脑的地址即可直接使用，旨在解决由于各语音识别api只能实现60s以内语音转文字的缺点，批量化实现任何时长语音转文字的任务。

一、实现思路及效果

1.实现思路

 语音切割 → 调用百度api识别短语音 → 再进行短文本组合

2.实现效果

  废话少说，利用本文代码，可高效实现批量化语音转文字任务。本文实验数据为抖音各up主短视频数据，主要涉及三个文件夹：
  
**audios文件夹**：存放各up主wav格式语音文件；
**audios_try文件夹**：临时存放已切割的语音文件
**recognize文件夹**：各语音转文字结果的txt文件

详见下图：
audios文件夹下存储各up短视频语音数据，以wav形式存储：

wav格式语音文件：

python语音转文字实现效果：

二、代码

1.引入库

import os
from aip import AipSpeech   #语音识别第三方库
from pydub import AudioSegment #语音分割模块
from pydub.utils import mediainfo 
from natsort import ns, natsorted  #用于文件夹排序，防止文件夹乱序
import time
import pandas as pd

2.语音识别

class audio_reg(object):
    def __init__(self):
        self.id = input('输入作者id:')
        self.video_dir = f"C:\\Users\\fengsky\\douyin\\audios\\{self.id}"
        self.audio_list = natsorted(os.listdir(self.video_dir),alg=ns.PATH)  #音频列表

    #语音分割
    def speech_seg(self,filename):         # filename---未分割的音频文件名称
        path = self.video_dir + "\\" + filename
        #判断是否存在作者文件夹
        txt_path = f"C:\\Users\\fengsky\\douyin\\recognize\\{self.id}"
        folder = os.path.exists(txt_path)
        if not folder:
            os.makedirs(txt_path)
        # 判断是否已经存在存放识别结果的文件
        save_txt_path = txt_path + '\\' + filename + '_.txt'
        if os.path.exists(save_txt_path):
            os.remove(save_txt_path)  # 如果存在即删除文件
         #长语音分割为59s语音区间
        sound = AudioSegment.from_wav(path)       #音频文件读取
        seconds_of_file = sound.duration_seconds  #音频长度
        seconds_per_split_file = 59               #设定每段59s
        if seconds_of_file % int(seconds_per_split_file) == 0:
            times = int(seconds_of_file / int(seconds_per_split_file))  # 语音长度能被59整除
        else:
            times = int(seconds_of_file // int(seconds_per_split_file) + 1)  # 非整除
        print(f'{filename}可切割 {times} 次') #输出该语音能被切割几次
        start_time = 0
        internal = seconds_per_split_file * 1000 
        end_time = seconds_per_split_file * 1000  #语音结束时间点即59s
        #各分割语音的文本所含字数列表
        length_list=[]
        for i in range(times):
            if i + 1 == times:  # 最后一次切割
                part = sound[start_time:]
            else:
                part = sound[start_time:end_time]
             
            data_split_filename = os.path.join('C://Users//fengsky//douyin//audios_try//' + str(i) + '_.wav') # audios_try文件夹用来临时存放分割后的语音文件
            part.export(data_split_filename, format="wav")  # 先导入该文件
            wav_version = AudioSegment.from_wav(data_split_filename)  # 再读取分割好的文件
            mono = wav_version.set_frame_rate(16000).set_channels(1)  # 设置声道和采样率
            mono.export(data_split_filename, format='wav', codec='pcm_s16le')  # 存储设置后的音频文件
            text = self.speech_recognize(data_split_filename) #语音转文字
            length_list.append(len(text))
            with open(save_txt_path,'a') as ff: #识别的文字追加写入
                ff.write(text)
                ff.write('\n') #换行
            print(f'    {str(i)}_.wav语音转换成功，开始删除')
            os.remove(data_split_filename) #删除音频文件
            start_time += internal
            end_time += internal
            time.sleep(0.5)
            
    #百度智能云平台语音识别api调用，首次使用免费
    ## api地址：https://login.bce.baidu.com/?account=&redirect=http%3A%2F%2Fconsole.bce.baidu.com%2Fai%2F%3F_%3D1624804122867%26fromai%3D1#/ai/speech/overview/index
    #调用接口，实现语音识别
    def speech_recognize(self,seg_filename):
         #对应参数输入
        APP_ID = "*******"
        API_KEY = "**************"
        SECRET_KEY = "**********8"  #api参数
        aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY) #传入参数
        with open(seg_filename, 'rb') as fp:
            audioPcm = fp.read()
        json = aipSpeech.asr(audioPcm, 'wav', 16000, {'dev_pid': 1537})
        if 'success' in json['err_msg']:
            context = json['result'][0]    #转换成功的文本
        else:
            context = '=====识别失败====='
            print('识别失败！')
        return context
      
     def run(self):
        print(f'============{self.id}共{len(self.audio_list)}个文件==============')
        for i in self.audio_list:
            try:
                self.speech_seg(i)
                print(f'-----{i}-----分析完成')
            except:
                print(f'-----{i}-----分析出现问题')
                pass
                     
if __name__ == '__main__':
    audio2text = audio_reg()
    audio2text.run()      #hanzihao618

总结

功能实现起来简单，希望能帮助到需要这方面任务的同学！