Python 识别录音并转为文字的实现

程式功能: 用 UI 界面,点击界面上的“开始识别”来录音(调用百度云语音接口),并自动将结果显示在界面的文本框中

Time: 2022/03/06

Author: Xiaohong

功能:Python 更改目录下 目录及文件的 顺序命名

项目的文件结构方式:
1. PyQt5 UI 文件:  My_Audio_Record_cloud.ui
2. PyQt5 UI 文件转换生成的 PY 文件:  My_Audio_Record_cloud_Ui.py
3. PyQt5 UI 文件对应的 Class 文件:  My_Audio_Record_cloud_class.py
4. 通用的消息显示 文件(在My_Audio_Record_cloud_class.py 中被调用):  FangMessage.py

 本例为实验室产品,不具备直接使用，支持的语音录入长度也较短

主程序界面如下：

主程序 My_Audio_Record_cloud_class.py:

# -*- coding: utf-8 -*-
'''
程式功能: 用 UI 界面,点击界面上的“开始识别”来录音,并自动将结果显示在界面的文本框中
Time: 2022/03/06
Author: Xiaohong
'''
import wave  # pip3 install  wave
import My_Audio_Record_cloud_Ui as my_audio_record_cloud
from pyaudio import PyAudio, paInt16  # 直接用pip安装的pyaudio不支持3.7

# 若安装失败的话,下载对应的whl 文件  https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio

from PyQt5 import QtGui, QtCore, QtWidgets

from PyQt5.QtWidgets import (
   QApplication,
   QMainWindow,
   QDialog,
   QSplashScreen,
   QToolButton,
   QToolTip,
   QWidget,
   QMessageBox,
   QAction,
   QFileDialog,
)

# from PyQt5.QtWidgets import (
#     QApplication,
#     QWidget,
# )

import sys, os, json, pycurl, urllib
import urllib.request
from FangMessage import FangMessage

class Audio_record_cloud_class(QMainWindow, my_audio_record_cloud.Ui_MainWindow):
   def __init__(self, parent=None):
       super().__init__()
       self.child = my_audio_record_cloud.Ui_MainWindow()
       self.child.setupUi(self)
       self.file_name = ""
       self.child.pushButton.clicked.connect(self.my_start)
       # self.child.pb_play.clicked.connect(self.play_audio)
       # 录音文件参数
       self.framerate = 8000
       self.NUM_SAMPLES = 2000
       self.channels = 1
       self.sampwidth = 2
       # 录音时长参数
       self.TIME = 5
       # 播放文件参数
       self.chunk = 1024

# 设置默认的录音文件名
   # 当前目录+test+当前的时间ID+'.wav'
   def init_file_name(self):
       file_path = os.getcwd()
       file_name = 'test' + self.get_timeseq() + '.wav'
       file_wav = os.path.join(file_path, file_name)
       self.file_name = file_wav
       # self.child.lineEdit.setText(self.file_name)
       # print(file_wav)
       return file_wav

# 获取当前的时间ID
   def get_timeseq(self):
       import time

now = time.strftime('％Y-％m-％d-％H-％M-％S', time.localtime(time.time()))
       return now

# 开始录音
   def Start_record(self):
       self.init_file_name()
       pa = PyAudio()
       stream = pa.open(
           format=paInt16,
           channels=1,
           rate=self.framerate,
           input=True,
           frames_per_buffer=self.NUM_SAMPLES,
       )
       my_buf = []
       count = 0
       while count <= self.TIME * 4:
           string_audio_data = stream.read(self.NUM_SAMPLES)
           my_buf.append(string_audio_data)
           count += 1
           print("..")

# print('begin:')
       # print(my_buf)
       self.save_wave_file(self.file_name, my_buf)
       stream.close()
       FangMessage1 = FangMessage()
       FangMessage1.runY('完成', '已完成录音', 'OK')

# 保存声音文件
   def save_wave_file(self, filename, data):
       wf = wave.open(filename, 'wb')
       wf.setnchannels(self.channels)
       wf.setsampwidth(self.sampwidth)
       wf.setframerate(self.framerate)
       for i in data:
           wf.writeframes(i)
       wf.close()

# 获取 百度返回结果,并 Print
   def dump_res(self, buf):
       print(buf)
       my_temp = json.loads(buf)
       my_list = my_temp['result']
       self.child.textBrowser.setText(my_list[0])
       print(my_list[0])

# 访问 百度云语音 网站，根据自己申请的应用Key 获取本次访问的 Token
   def get_token(self):
       apiKey = "XXXXXXXXXXXXXXXXXXXXXXX"
       secretKey = "YYYYYYYYYYYYYYYYYYYYYYYYY"

auth_url = (
           "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id="
           + apiKey
           + "&client_secret="
           + secretKey
       )

# print(auth_url)

res = urllib.request.urlopen(auth_url)
       json_data = res.read()
       # print(json_data)
       # print('.....')
       # print(json.loads(json_data))
       return json.loads(json_data)['access_token']

# 访问 百度云语音 网站，根据 Token,上传 wav 文件
   def use_cloud(self, token):
       fp = wave.open(self.file_name, 'rb')
       nf = fp.getnframes()
       print('sampwidth:', fp.getsampwidth())
       print('framerate:', fp.getframerate())
       print('channels:', fp.getnchannels())
       f_len = nf * 2
       audio_data = fp.readframes(nf)

cuid = "4d36e972-e325-11ce-bfc1-08002be10318"
       print('token:')
       print(token)
       srv_url = (
           'http://vop.baidu.com/server_api' + '?cuid=' + cuid + '&token=' + token
       )
       http_header = ['Content-Type:audio/pcm;rate=8000', 'Content-Length:％d' ％ f_len]
       c = pycurl.Curl()
       c.setopt(pycurl.URL, str(srv_url))
       c.setopt(c.HTTPHEADER, http_header)
       c.setopt(c.POST, 1)
       c.setopt(c.CONNECTTIMEOUT, 80)
       c.setopt(c.TIMEOUT, 80)
       c.setopt(c.WRITEFUNCTION, self.dump_res)
       c.setopt(c.POSTFIELDS, audio_data)
       c.setopt(c.POSTFIELDSIZE, f_len)
       c.perform()

def my_start(self):
       print('OK')
       self.Start_record()
       self.use_cloud(self.get_token())

if __name__ == "__main__":
   app = QApplication(sys.argv)
   myWin = Audio_record_cloud_class()
   myWin.show()
   sys.exit(app.exec_())

Ui 转化py文件如下：My_Audio_Record_cloud_Ui.py

# -*- coding: utf-8 -*-

# Form implementation generated from reading ui file 'd:\vscode_2020\My_Audio\My_Audio\My_Audio_Record_cloud.ui'
#
# Created by: PyQt5 UI code generator 5.15.0
#
# WARNING: Any manual changes made to this file will be lost when pyuic5 is
# run again.  Do not edit this file unless you know what you are doing.

from PyQt5 import QtCore, QtGui, QtWidgets

class Ui_MainWindow(object):
   def setupUi(self, MainWindow):
       MainWindow.setObjectName("MainWindow")
       MainWindow.resize(558, 525)
       self.centralwidget = QtWidgets.QWidget(MainWindow)
       self.centralwidget.setObjectName("centralwidget")
       self.textBrowser = QtWidgets.QTextBrowser(self.centralwidget)
       self.textBrowser.setGeometry(QtCore.QRect(30, 50, 501, 351))
       self.textBrowser.setObjectName("textBrowser")
       self.pushButton = QtWidgets.QPushButton(self.centralwidget)
       self.pushButton.setGeometry(QtCore.QRect(40, 420, 75, 23))
       self.pushButton.setObjectName("pushButton")
       self.label = QtWidgets.QLabel(self.centralwidget)
       self.label.setGeometry(QtCore.QRect(40, 460, 491, 16))
       self.label.setObjectName("label")
       self.label_2 = QtWidgets.QLabel(self.centralwidget)
       self.label_2.setGeometry(QtCore.QRect(30, 30, 161, 16))
       self.label_2.setObjectName("label_2")
       self.label_3 = QtWidgets.QLabel(self.centralwidget)
       self.label_3.setGeometry(QtCore.QRect(180, 10, 111, 31))
       font = QtGui.QFont()
       font.setFamily("Agency FB")
       font.setPointSize(18)
       font.setBold(True)
       font.setWeight(75)
       self.label_3.setFont(font)
       self.label_3.setObjectName("label_3")
       self.label_4 = QtWidgets.QLabel(self.centralwidget)
       self.label_4.setGeometry(QtCore.QRect(480, 20, 54, 12))
       self.label_4.setObjectName("label_4")
       self.pushButton_2 = QtWidgets.QPushButton(self.centralwidget)
       self.pushButton_2.setGeometry(QtCore.QRect(450, 420, 75, 23))
       self.pushButton_2.setObjectName("pushButton_2")
       MainWindow.setCentralWidget(self.centralwidget)
       self.menubar = QtWidgets.QMenuBar(MainWindow)
       self.menubar.setGeometry(QtCore.QRect(0, 0, 558, 23))
       self.menubar.setObjectName("menubar")
       MainWindow.setMenuBar(self.menubar)
       self.statusbar = QtWidgets.QStatusBar(MainWindow)
       self.statusbar.setObjectName("statusbar")
       MainWindow.setStatusBar(self.statusbar)

self.retranslateUi(MainWindow)
       self.pushButton_2.clicked.connect(MainWindow.close)
       QtCore.QMetaObject.connectSlotsByName(MainWindow)

def retranslateUi(self, MainWindow):
       _translate = QtCore.QCoreApplication.translate
       MainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))
       self.pushButton.setText(_translate("MainWindow", "开始识别"))
       self.label.setText(_translate("MainWindow", "说明:点击“开始识别”按钮来录音,并通过百度语音的功能,自动将结果显示在文本框中"))
       self.label_2.setText(_translate("MainWindow", "语音识别的结果:"))
       self.label_3.setText(_translate("MainWindow", "语音识别"))
       self.label_4.setText(_translate("MainWindow", "v20220306"))
       self.pushButton_2.setText(_translate("MainWindow", "结束"))

来源：https://blog.csdn.net/leader_ww/article/details/123317768