- 博客(69)
- 收藏
- 关注
RSS订阅原创 Python工具箱系列（六十五）
本文介绍了语音识别的技术实现流程，并引用了北京大学饶毅教授引发热议的毕业致辞作为测试案例。通过Python代码演示了从视频提取音频、分割音频片段、使用PaddleSpeech和百度API进行语音识别的完整过程。实际测试结果显示，两种识别方法的准确率都不理想（12处错误），表明当前AI语音识别技术仍无法替代人工校对，尤其在制作电影字幕等场景中效果更差。文章最后列出了实现所需的Python库安装命令，突显了语音识别技术在实际应用中的局限性。
2025-08-15 15:37:31
273
原创 Python工具箱系列（六十四）
本文介绍了基于PaddleSpeech的语音识别方案。PaddleSpeech是百度开源的语音算法工具箱，支持语音识别、合成、翻译等功能，并荣获NAACL2022最佳展示奖。文章详细说明了在Ubuntu系统上的安装步骤，包括基础环境配置、Python环境设置及关键依赖库安装。重点介绍了如何进行音频预处理（16kHz单声道转换）和语音识别API调用方法，并提供了代码示例展示语音识别、翻译和字幕生成功能。最后指出Paddlespeech存在50秒处理时长限制，为后续文章讨论长语音分割处理埋下伏笔。
2025-08-15 15:19:31
358
原创 Python工具箱系列（六十三）
摘要：语音识别技术从20世纪50年代发展至今，已能支持多语种和大词汇量识别。现代系统主要采用隐马尔可夫模型和神经网络技术，国内以迅飞、百度等为代表。Python的SpeechRecognition库支持多种API，其中CMUSphinx可离线使用但需单独配置中文模型。虽然识别率不如Google API，但为无法联网的场景提供了解决方案。文章详细介绍了相关技术原理、安装方法和代码示例，帮助开发者实现语音转文本功能。
2025-08-15 15:18:27
460
原创 Python工具箱系列（六十二）
本文介绍了使用Python处理录音文件的常用方法，主要包括音量调节、音频剪切、静音处理等功能。通过pydub和librosa库实现以下操作：1)添加静音片段；2)按时间或静音段切割音频；3)多文件串联合并；4)音量增强/衰减。代码展示了具体的实现函数，并配有可视化波形对比。这些功能可以解决会议录音中常见的音量小、存在静音片段等问题，便于后续的语音处理和文字转换。安装只需执行简单的pip命令即可配置所需库环境。
2025-08-15 15:17:45
181
原创 Python工具箱系列（六十一）
本文介绍了利用Python实现文字转语音和人声分离的两种实用方法。针对知识记忆需求，作者使用pyttsx3库将文本转为MP3音频，通过重复播放强化记忆，并提供了具体代码实现。对于音频处理，推荐使用spleeter库进行人声和伴奏的分离，说明其在GPU/CPU环境下的性能差异及安装建议，并以实例演示了2音轨分离效果。这两种方法分别解决了文本转语音和音频提取的需求，具有离线操作、简单高效的特点，适合不同场景下的自动化处理需求。
2025-08-15 15:16:57
285
原创 Python工具箱系列（五十八）
本文只是从python工具箱的角度来看，如何在python代码中播放音频文件，主要是mp3文件。笔者试验了多个第三方库，发现能用的底层基本是都是pygame这个游戏库，演示代码如下所示。playmp3_sleep函数则简单一些，不使用完成的循环架构，直接从mp3文件中拿到音乐的时长，开始播放后，使用sleep进行等待。playmp3没有使用pygame，而直接使用pydub库进行播放，写法简洁明快，但运行后能够看到，底层仍然是调用pygame库。在上面的代码中，使用了三种播放MP3的方法。
2024-12-23 14:48:54
300
原创 Python工具箱系列（五十七）
在上面的代码中，我们加载了在load_pascalvoc_model上训练的用于分割对象的xception模型以及Mask RCNN模型。众所周知图像是由若干有意义的像素组成的，图像分割作为计算机视觉的基础，对具有现有目标和较精确边界的图像进行分割，实现在图像像素级别上的分类任务。代码中，test_semantic函数进行语义分割的演示。其中horseandman.png如下图所示，是人、马、狗组合在一起的风景图，人类是可以理解的。经过人工智能训练后的代码，进行语义分割后，形成的图像如下所示。
2024-10-30 15:18:55
415
1
原创 Python工具箱系列（五十六）
抠图是基本需求，最常见的应用场景就是证件照，每次去拍照，都要用个纯色的幕布，而且要求衣服不能太浅。抠图工具非常多，例如PhotoShop就是抠图利器，可以很神奇地把图片里的元素单独提取出来，和其他的背景合并。训练过程非常耗资源，但有了模型就可以快速应用，目前不少大平台也开放出了自己的训练模型，如百度的paddlehub项目。利用opencv的交互能力，人工简单的勾勒要抠图的主要部分，随后就会生成当前的抠图效果。从上图可以看出，交互式抠图的效果不错，不过还是直接使用paddlehub来的方便。
2024-10-30 14:29:59
303
原创 Python工具箱系列（五十五）
从识别效果来看还是不错的。但是对于视频文件中的字幕识别就有些不太好了，原因在于背景过于凌乱。在Ubuntu bionic的安装过程如下。下面使用百度的paddlehub进行测试。能够看出，识别的可信度还是非常高的。paddlehub的安装过程如下。Google的tesseract项目，它能识别100多种语言。使用上述代码识别的结果是：自 眉 鸦 王 有 仓 外 孙 卯。基于机器学习的多个项目，例如百度的paddlehub。能够准确识别，随后对下图的中文进行识别。我们使用的python代码如下。
2024-10-30 14:27:02
410
原创 Python工具箱系列（五十四）
二维码（Quick Response Code）几乎已经渗透到我们日常生活的每一个角落，它是 1994 年发明的一种矩阵条形码，可以用某种特定的几何图形按一定规律在平面（二维方向上）分布的、黑白相间的、记录数据符号信息的图形。在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理。具有一定的校验功能等。二维码的结构充分保证了它的有效性，所以二维码才能够大行其道，成为应用的主流。
2024-07-09 11:08:50
260
原创 Python工具箱系列（五十三）
事实上，可以从本例出发，将公司的LOGO放在再小一些，旋转后复制多次，就可以形成更复杂的水印效果。水印与散列很类似，是一个单向的过程，水印极难去除，即使网上号称的去码神器其实效果真的一般，而且一些基于AI的也只是“合理”的猜想，不是真正的还原。在文字水印时，必须指定中文字体的位置。图片水印其实是2个图片的融合。水印是一种常见的图片处理需求。当既需要展示，又需要保护知识产权时，就需要使用文字或者图片来打水印。下面的代码展示了文字水印与图片水印的过程。此时文字文印的效果如下图所示。
2024-06-17 16:31:43
249
原创 Python工具箱系列（五十二）
打开华为手机的图库，你会发现已经自动进行人脸识别，相片的归类与聚合等工作，甚至于还可以进行一步根据场景来搜索。事实上，当拿出手机进行拍照的这一刻，很多信息已经记录在案，这就是EXIF信息。下述代码完整演示了这个过程。这里我们需要注意的是，并非所有的照片都能够进行解析，必须是携带exif信息的原始图片。当然像一些社交平台也会专门针对exif进行处理，比如微信，你发在朋友圈的图片会自动压缩，所以是不会暴露信息的。exifgps中，不断的进行判断，是因为图片不一定存在exif，也不一定存在gps的定位信息。
2024-04-28 15:57:36
412
1
原创 Python工具箱系列（五十一）
对图片进行九宫格切割，并且放到微信朋友圈曾经风靡一时。对于python来说，这个也非常简单。运行后会将源图片直接切割成为9个图片文件。将它们上传到微信后，就可以组成九宫格图片了，其效果如下图所示。从效果图中可以看出，如果切割点在头部附近会有一些失真的感觉。所以九宫格这种形式还是适合于二次元图片。
2024-03-29 17:01:40
413
原创 Python工具箱系列(五十)
以下python代码演示了如何将一幅美女图进行多种加工处理，并且汇集在一起，形成一个类似于照片墙的相关操作。在这个照片墙上，每种加工的名称都输出到图片的左上侧。最后一个图是剪切图，小于照片墙预留的空间，所以显得奇怪一些。运行后的效果如下图所示。
2024-03-05 09:08:24
494
原创 Python工具箱系列(四十八)
笔者经常要组织大型文档的汇总（例如标书），此时文档中插入的图片各式各样，缩写时也无从知道图片在整个文档中的顺序，所以对所有图片加题注就是一件非常费时的工作。如果人工调整，非常枯燥费力，此时python就可以大显神威，完成大量的自动化的工作，最后再辅以少量的人工即可。以下代码显示了对docx中的图片与表格进行调整的技巧。其中-f选项表示处理文档中的图片，-t选项表示处理文档中的表格。当大型docx文档中的图片数以千百计时，上述代码能够节省大量的时间精力，值得花些时间调整。上述代码的用例如下。
2024-01-18 10:59:26
622
原创 Python工具箱系列(四十七)
这份标准引发了全球政府的关注，推动了文档标准化的进程。由于存在多人编辑的可能性，经常一个微小更改，导致整个DOCX的版面出现混乱的现象，此时python就大有用武之地了。微软最近几年，积极投身开源运动，不仅购买了github震惊世界，还在自家操作操作系统上实现了WSL，与Linux实现了一家亲。之所以微软如此大手笔，原因之一就是微软的Office贡献了大把的现金，简直就是印钞机。python win32com的能力远超python-docx，但操作方法与思路类似于VBA，完全不是python的风格。
2024-01-05 11:30:17
422
原创 Python工具箱系列(四十六)
PDF（Portable Document Format）是一种便携文档格式，它基于PostScripty这种脚本语言。
2023-11-24 10:30:17
329
原创 Python工具箱系列(四十二)
rar是广受好评，使用广泛的压缩格式，开发者为尤金·罗谢尔（俄语：Евгений Лазаревич Рошал，拉丁转写：Yevgeny Lazarevich Roshal），RAR的全名是“Roshal ARchive”，即“罗谢尔的归档”之意。尤其是winrar一度成为windows上的必备软件。
2023-09-11 15:54:25
226
原创 Python工具箱系列(四十一)
前文的代码示例了使用gzip对单个文件进行压缩。本文示例使用更通用的zipfile来批量压缩文件。zipfile也是python内置的库，使用起来非常方便。
2023-08-28 17:02:02
1368
原创 Python工具箱系列(四十)
这是python提供的压缩模块，便于用户对数据、文件进行压缩。功能类似于 GNU 应用程序gzip和gunzip。以下代码压缩一段字节流。
2023-08-22 15:00:13
206
原创 Python工具箱系列(三十八)
上文介绍将类的属性值保存到二进制文件的基本操作。在实际中，还有可能保存文本信息。例如，传感器可能还会有自己所在区域的信息。此时，对于二进制文件的读写提出了挑战。如何才能够在读取时，知道所读的字节是整数、浮点数而不是字符呢？
2023-07-13 10:37:36
131
原创 Python工具箱系列(三十七)
python比较擅长与文本相关的操作。但现实世界中，对于非文本消息的处理也很普遍。例如：◆通过有线、无线传递传感器获得的测量数据。◆卫星通过电磁波发送测量数据。◆数据中心的数万台服务器发送当前CPU的占用率信息、内存占用量等众多指标数据。
2023-06-26 10:28:53
3461
原创 Python工具箱系列(三十六)
Docker提供了基于镜像的运行环境，可以将操作系统、应用程序以及相关依赖打包，为使用者提供完整的使用体验，因此一经推出大获好评，迅速成为主流的软件开发技术之一。
2023-06-20 16:57:58
116
原创 Python工具箱系列(三十四)
SQLAlchemy是著名的ORM(Object Relational Mapping-对象关系映射)框架。其主要作用是在编程中，把面向对象的概念跟数据库中表的概念对应起来。对许多语言（例如JAVA/PYTHON）来说就是定义一个对象，并且这个对象对应着一张数据库的表。而这个对象的实例，就对应着表中的一条记录。
2023-06-12 10:53:27
110
原创 Python工具箱系列(三十三)
TimeScaleDB已经将数据按30分钟来聚合分析。当然，改成任意时间也是可以的，例如，可以改成5秒分析一次也可以，生成结果的时间也非常快。
2023-05-29 11:20:05
208
原创 Python工具箱系列(三十二)
Elasticsearch是一个基于Lucene的搜索引擎。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful 的API接口。
2023-05-26 10:25:29
104
原创 Python工具箱系列(三十一)
Neo4j是一个高性能的开源的，使用Java语言实现的NoSQL图数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络（从数学角度叫做图）上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。
2023-05-15 15:01:55
255
1
原创 Python工具箱系列(三十)
MySQL的口号是“世界上最流行的开源关系型数据库”，而PostgreSQL的Slogan则是“世界上最先进的开源关系型数据库(PostgreSQL: The World's Most Advanced Open Source Relational Database)”，一看这就是一对老冤家了。
2023-05-08 09:46:33
201
原创 Python工具箱系列(二十九)
ongoDB号称文档数据库，是目前发展迅速的NoSQL数据库。它由C++语言编写，旨在为WEB应用提供可扩展的高性能数据存储解决方案。
2023-03-27 15:40:42
120
原创 Python工具箱系列(二十八)
Access也是微软Office套餐中的经典产品。虽然在许多人眼里，Access已经是上古时代的产品，但实际上它一直深受好评，并且稳定发展。之所以在许多IT人士眼里，Access不值一提的主要原因恰恰也是它深受非专业人士喜欢的原因：专供非IT人士自用的数据库。
2023-03-23 17:13:23
89
原创 Python工具箱系列(二十七)
Excel是微软出品的办公神器，大部分读者相信或多或少都用过。其自带的函数丰富，可以进行复杂的数据运算、分析以及可视化的输出。到目前为止没有出现可以望其项背的竞品，大部分竞品不是在模仿的路上，就是在失败的路上。
2023-03-20 11:09:10
92
原创 Python工具箱系列(二十六)
ClickHouse(Click Stream，Data WareHouse)是俄罗斯的 Yandex于2016年开源的用于在线分析处理查询（OLAP:Online Analytical Processing）MPP架构的列式存储数据库（DBMS：Database Management System），能够使用 SQL 查询实时生成分析数据报告。特别值得称道的是Clickhouse没有走hadoop生态，采用 Local attached storage 作为存储，而hadoop目前已经发展的臃肿不堪了。
2023-02-24 10:04:52
196
原创 Python工具箱系列(二十五)
Redis是一个开源的使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。
2023-02-24 09:40:27
117
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人