用 Python 解决女朋友看电影没字幕的需求

用 Python 解决女朋友看电影没字幕的需求,第1张

概述是这样子的,女朋友晚上突然翻到了自己喜欢看的一个电影,但是没有字幕,这让她很苦恼。我急中生智,紧急的解决了我女朋友的需求。用Python做一个可以识别语音,然后翻译出来文字的软件。一、故事情节是这样子的,女朋友晚上突然翻到了自己喜欢看的一个电影,但是没有字幕,这让她很苦恼。

是这样子的,女朋友晚上突然翻到了自己喜欢看的一个电影,但是没有字幕,这让她很苦恼。我急中生智,紧急的解决了我女朋友的需求。用 Python 做一个可以识别语音,然后翻译出来文字的软件。

一、故事情节

是这样子的,女朋友晚上突然翻到了自己喜欢看的一个电影,但是没有字幕,这让她很苦恼。

我急中生智,紧急的解决了我女朋友的需求。

想到了使用 Python 做一个可以识别语音,然后翻译出来文字的软件。

如下图就是本片文章所要完成的效果,哈哈,是不是还不错,很棒的样子。

如果有兴趣可以给我点个赞,之后带来更多好玩、有趣的 demo 和实现的教程。

《甄嬛传》第一集的某一小段:

其实,是这样子的:

最近剧荒,偶然翻出了曾经下载的电视剧回味一番,经典就是经典,不论是剧情还是台词,都那么有魅力,咦?等等,台词,台词…… 作为一个 IT 从业者,我忽然灵光一现——现在语音识别技术这么发达,能否有什么办法能帮我保存下一些精彩桥段的台词呢?或许我也可以是个野生字幕君: p , 似乎也可以在此基础上顺手再翻译一下个别难懂的台词!

略加思索,我大概有了个想法——做个视频中提取音频的程序,而后去请求一个开放的语音识别 API 来帮我把语音转为文字。鉴于之前调用有道智云的愉快经验,我决定再次拿来为我所用,很快做出了这个 demo(请忽略这丑丑的界面布局,能用就行……)。

欢迎关注我,一块来履行我之前的承诺连更一个月之内,把几篇写完。

序号预计完成时间开发 dome 名字以及功能 & 发布文章内容是否已写完文章链接
19 月 3文本翻译,单文本翻译,批量翻译 demo。已完成CSDN:点我直达 微信公众号:点我直达
29 月 11OCR-demo,完成批量上传识别; 在一个 demo 中可选择不同类型的 OCR 识别《包含手写体 / 印刷体 / 身份z / 表格 / 整题 / 名片),然后调用平台能力,具体实现步骤等。已完成CSDN:点我直达 微信公众号:
310 月 27语音识别 demo,demo 中上传—段视频,并截取视频中短语音识别 - demo 的一段音频进行短语音识别 CSDN:点我直达 微信公众号:
49 月 17智能语音评测 - demo CSDN: 微信公众号:
59 月 24作文批改 - demo CSDN: 微信公众号:
69 月 30语音合成 - demo CSDN: 微信公众号:
710 月 15单题拍搜 - demo CSDN: 微信公众号:
810 月 20图片翻译 - demo CSDN: 微信公众号:
     
二、开发前的准备工作

首先,是需要在有道智云的个人页面上创建实例、创建应用、绑定应用和实例,获取调用接口用到的应用的 ID 和密钥。具体个人注册的过程和应用创建过程详见文章不到 100 行代码搞定 Python 做 OCR 识别身份z,文字等各种字体

三、开发过程详细介绍

下面介绍具体的代码开发过程。

(一)接口规范说明

首先分析有道智云的 API 输入输出规范。根据文档来看,调用接口格式如下:

有道语音识别 API httpS 地址:

https://openAPI.youdao.com/asrAPI复制代码

接口调用参数:

字段名类型含义必填备注
qtext要翻译的音频文件的 Base64 编码字符串True必须是 Base64 编码
langTypetext源语言True支持语言
appKeytext应用 IDTrue可在 应用管理 查看
salttextUUIDTrueUUID
curtimetext时间戳(秒)true秒数
signtext签名,通过 md5(应用 ID+q+salt+curTime + 密钥) 生成True应用 ID+q+salt+curTime + 密钥的 MD5 值
signTypetext签名版本Truev2
formattext语音文件的格式,wavtruewav
ratetext采样率, 推荐 16000 采用率true16000
channeltext声道数, 仅支持单声道,请填写固定值 1true1
typetext上传类型, 仅支持 base64 上传,请填写固定值 1true1

其中 q 为 base64 编码的待识别音频文件,“上传的文件时长不能超过 120s,文件大小不能超过 10M”,这点需要注意一下。

API 的返回内容较为简单:

字段含义
errorCode识别结果错误码,一定存在。 详细信息参加 错误代码列表
result识别结果,识别成功一定存在
(二)项目开发

这个项目使用python3开发,包括maindow.pyvIDeoprocess.pysrbynetease.py三个文件。

界面部分,使用 python 自带的tkinter库,提供视频文件选择、时间输入框和确认按钮;

vIDeoprocess.py: 来实现在视频的指定时间区间提取音频和处理 API 返回信息的功能;

srbynetease.py: 将处理好的音频发送到短语音识别 API 并返回结果。

1、界面部分的实现

界面部分代码如下,比较简单。

root=tk.Tk()root.Title("netease youdao sr test")frm = tk.Frame(root)frm.grID(padx='50', pady='50')btn_get_file = tk.button(frm, text='选择待识别视频', command=get_file)btn_get_file.grID(row=0, column=0,  padx='10', pady='20')path_text = tk.Entry(frm, wIDth='40')path_text.grID(row=0, column=1)start_label=tk.Label(frm,text='开始时刻:')start_label.grID(row=1,column=0)start_input=tk.Entry(frm)start_input.grID(row=1,column=1)end_label=tk.Label(frm,text='结束时刻:')end_label.grID(row=2,column=0)end_input=tk.Entry(frm)end_input.grID(row=2,column=1)sure_btn=tk.button(frm, text='开始识别', command=start_sr)sure_btn.grID(row=3,column=0,columnspan=3)root.mainloop()复制代码

其中 sure_btn 的绑定事件 start_sr() 做了简单的异常处理,并通过d窗打印最终的识别结果:

def start_sr():    print(vIDeo.vIDeo_full_path) if len(path_text.get())==0:        sr_result = '未选择文件'    else:        vIDeo.start_time = int(start_input.get())        vIDeo.end_time = int(end_input.get())        sr_result=vIDeo.do_sr()    tk.messageBox.showinfo("识别结果", sr_result)复制代码
2、处理音视频功能开发

(1)在 vIDeoprocess.py 中,我用到了 python 的 movIEpy 库来处理视频,按指定起止时间截取视频,提取音频,并按 API 要求转为 base64 编码形式:

def get_audio_base64(self):    vIDeo_clip=VIDeofileClip(self.vIDeo_full_path).subclip(self.start_time,self.end_time)    audio=vIDeo_clip.audio    result_path=self.vIDeo_full_path.split('.')[0]+'_clip.mp3'    audio.write_audiofile(result_path)    audio_base64 = base64.b64encode(open(result_path,'rb').read()).decode('utf-8')    return audio_base64复制代码

(2)处理好的音频文件编码传到封装好的有道智云 API 调用方法中:

def do_sr(self):    audio_base64=self.get_audio_base64()    sr_result=srbynetease.connect(audio_base64)    print(sr_result)    if sr_result['errorCode']=='0':        return sr_result['result']    else:        return "Something wrong , errorCode:"+sr_result['errorCode']复制代码
3、发送数据翻译功能的开发

srbynetease.py 中封装的调用方法比较简单,按 API 文档 “组装” 好 data{}发送即可:

def connect(audio_base64):    data = {}    curtime = str(int(time.time()))    data['curtime'] = curtime    salt = str(uuID.uuID1())    signStr = APP_KEY + truncate(audio_base64) + salt + curtime + APP_SECRET    sign = encrypt(signStr)    data['appKey'] = APP_KEY    data['q'] = audio_base64    data['salt'] = salt    data['sign'] = sign    data['signType'] = "v2"    data['langType'] = 'zh-CHS'    data['rate'] = 16000    data['format'] = 'mp3'    data['channel'] = 1    data['type'] = 1    response = do_request(data)    return Json.loads(str(response.content,'utf-8'))复制代码
四、效果展示

随手打开《甄嬛传》第一集的某一小段试试:

效果可以,断句的一点小瑕疵可以忽略。没想到这短语音识别 API 博古通今,古文语音识别也这么溜,厉害厉害!

五、总结

一番尝试带我打开了新世界的大门,从今天开始我可以是一个不打字却能搬运字幕的野生字幕君了,后面再有时间可以试试识别完翻译成其他语言的 *** 作,嗯,是技术的力量!

本文首发于python黑洞网,博客园同步跟新



总结

以上是内存溢出为你收集整理的用 Python 解决女朋友看电影没字幕的需求全部内容,希望文章能够帮你解决用 Python 解决女朋友看电影没字幕的需求所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/1188565.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-06-03
下一篇 2022-06-03

发表评论

登录后才能评论

评论列表(0条)

保存