[人工智能]百度AI开发者语音转文字python实现

• 笔记本上有file convert 可以实现不同文件格式之间的转换。
• 可以通过ffmpeg处理视频。
• OCR可以图片转文字。
• 网络上也有文字转语音的软件推荐。
• cpdf, pdftk可以实现pdf的分割合并转换图片。

但唯独感觉音频转为文字是比较缺乏的，本人在网络上搜索较长时间无果，然后接触到百度智能云，自己实现一下。

import requests
import json
import time

# user_define_setting
AK = '你的APPID'
SK = '你的secret_key'
token_url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(AK, SK)
create_url = 'https://aip.baidubce.com/rpc/2.0/aasr/v1/create'
query_url = 'https://aip.baidubce.com/rpc/2.0/aasr/v1/query'
audio_url = "你的音频所在url，推荐使用gitee,其他的能用的url都可以。"

access_token = json.loads(requests.get(token_url).text)['access_token']
create_json = {
        "speech_url": audio_url,
        "format": audio_url.split('.')[-1],
        "pid": 1537,
        "rate": 16000
    }
create_query_params = {'access_token': access_token}
task_id = []

# 启动任务,获取task_id
task_id.append(json.loads(requests.post(create_url, json=create_json, params=create_query_params).text)['task_id'])

# 查询任务执行情况
response2 = requests.post(url=query_url, json={"task_ids": task_id}, params=create_query_params)

# 等待程序执行结束
while True:
    if(json.loads(response2.text)['tasks_info'][0]['task_status'] != 'Success'):
        print('waiting 10s...')
        time.sleep(10)
        response2 = requests.post(url=query_url, json={"task_ids": task_id}, params=create_query_params)
    else:
        break
# 输出语音执行结果
print(json.loads(response2.text)['tasks_info'][0]['task_result']['result'][0])

本人写的可能不是很好，下面是百度智能云官网demo链接，里面有pdf说明的使用教程，个人感觉看那个pdf就够了，demo里面的python文件随缘看。
百度智能云demo