README.md · 雪山凌狐/百度智能云语音识别m4aTotxt（支持扩展其他音频，批量识别）

#### 项目介绍

本程序为百度智能云的语音识别标准版的封装示例demo，可直接使用。

百度官方技术文档：[https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre](https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre)

百度智能云控制台（可以到这里申请appid、apikey、secretkey信息）：[https://console.bce.baidu.com/ai/#/ai/speech/overview/index](https://console.bce.baidu.com/ai/#/ai/speech/overview/index)

（目前百度智能云的语音识别标准版**免费使用**，调用次数**无限制**，欢迎使用哦）（20210624 更新，目前标准版需要开通付费才能使用了，但单词识别的价格不贵，支持按量付费，如果你少量测试使用的话，开通按量付费是一个比较好的选择）

官方除了标准版还有个极速版，极速版用完免费次数后需要收费。标准版速度不算特别快，不是秒回的，一分钟的文件识别大约需要2-3秒，对速度有要求的朋友情自行改为使用极速版。

本程序借助使用了开源工具ffmpeg和ffprobe，项目已附带目前官网下载的最新静态独立版本。

#### 程序特色

1. 默认仅支持苹果录音的m4a格式识别，单文件识别后写到单文件的txt中。
2. 轻松支持格式扩展，预计可通过加一两句代码实现mp3，wav，amr等其他音频格式的语音识别（已经加了说明在代码中，扩展方便）
3. 支持多文件批量识别，子目录文件识别。
4. 全面支持中文文件名或目录。
5. 支持展示识别结果，总体进度和总消耗时间。
6. 支持长语音识别（无论多长都行），程序会自动拆分成60秒语音分别识别。（因为目前百度智能云限制单次识别最多60秒）
7. 支持设定QPS（每秒调用次数）限制数，避免识别速度过快异常。（目前看免费版默认是QPS = 5）
8. 还有其他各种特色等待你去挖掘哦~

#### 如何使用

1. 首先请到前文提到的百度智能云官网注册（可使用百度账号登录），认证为开发者后，创建应用，应用权限需包含“段语音识别”。获取到你对应的appid、apikey、secretkey。

2. 下载项目到本地并解压，将**baidu-yuyin-m4aTotxt-share.py**这个文件重命名为**baidu-yuyin-m4aTotxt.py**。打开**baidu-yuyin-m4aTotxt.py**这个文件，在配置部分填入你申请的appid、apikey、secretkey并保存。

3. 安装环境依赖：

本python程序在python3.8.1版本中开发。你的包依赖可以安装到系统python中或virtualenv中。

使用cmd运行如下代码安装：

```python
   pip install -r requirements.txt
   ```
   
 4. 复制粘贴你要识别的音频文件（默认支持m4a格式，其他可轻松修改代码扩展）到audio文件夹（文件夹名可配置）内，支持多层文件夹复制进来。（含有子目录的，识别结果会保存到对应子目录你这个音频文件旁）支持批量识别，所以可以把所有的文件都复制进来。

5. 使用cmd运行程序识别：

```python
    python baidu-yuyin-m4aTotxt.py
    ```

运行过程中会输出识别结果，现在在做什么和总进度提醒，中间尽量不要去操作audio文件夹，待结束后再看。

#### 更新日志

V1.1 更新日志 20200215：

1. 补充上一版本漏上传的audio文件夹。

V1.0 更新日志 20200215：

1. 版本初始发布，已经多次经过测试，并优化了控制台输出内容。

雪山凌狐/百度智能云语音识别m4aTotxt（支持扩展其他音频，批量识别）
关闭

简介

发行版 (2)

贡献者

近期动态

雪山凌狐/百度智能云语音识别m4aTotxt（支持扩展其他音频，批量识别）关闭 .gitee-modal { width: 500px !important; }

简介

发行版 (2)

开源评估指数源自 OSS-Compass 评估体系，评估体系围绕以下三个维度对项目展开评估：

贡献者

近期动态

搜索帮助

雪山凌狐/百度智能云语音识别m4aTotxt（支持扩展其他音频，批量识别）
关闭