基于百度语音识别API的Python语音识别小程序-优快云博客

本文介绍了一个基于Python的语音转文字系统，使用了百度的语音识别API。系统通过简易录音机录制音频，并将其转换为文本。文章详细介绍了所需软件环境、工作原理及核心代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、功能概述

实现语音为文字，可以扩展到多种场景进行工作，这里只实现其基本的语言接收及转换功能。
在语言录入时，根据语言内容的多少与停顿时间，自动截取音频进行转换。
工作示例：

二、软件环境

操作系统：win10
语言：Python 版本：3.6.0
Python库：AipSpeech(百度语音识别SDK客户端），wave，PyAudio，paInt16

###Python库安装：除百度为：pip install baidu-aip，其他直接 pip install *（库名）即可。

三、原理概述

利用wave，PyAudio搭建一个wav格式的简易录音机，基于百度API进行wav格式的音频转文本。

简易录音机类（WWAV）有__save_wave_file音频文件保存方法与my_record音频录制方法。在录制音频的方法中，加入了有效音频测试的代码，可以测试一小段时间内是否有有效音频输入，否则退出音频录制。
转换类（Translation）则为__get_file_content方法与get_word音频转换主方法。

四、核心代码

my_record音频录制方法（WWAV类）

def my_record(self,TIME = 60,INTERVAL = 5):
    '''录制并保存音频文件，TIME录制时间，INTERVAL测试间隔'''
    pa=PyAudio()
    tr = Translation()
    stream=pa.open(format = paInt16,channels=self.__channels,
                   rate=self.__framerate,input=True,
                   frames_per_buffer=self.__NUM_SAMPLES)
    my_buf=[] # 主音频源
    buf=[] # 测试音频源
    i=0
    while i < TIME*2: #控制录音时间
        string_audio_data = stream.read(self.__NUM_SAMPLES)  # 获取音频片段
        my_buf.append(string_audio_data)
        
        if i < INTERVAL*2:
            buf.append(string_audio_data)
            i += 1
        elif i == INTERVAL*2:
            self.__save_wave_file('00.wav',buf) # 保存测试音频
            err,a = tr.get_word('00.wav') # 得到测试音频是否有效
            if err == 0:
                break
            i = 0 # 初始化
            buf = [] # 同上
    
        print('.',end = ' ')
    self.__save_wave_file('01.wav',my_buf)
    stream.close()

get_word音频转换方法（Translation类）

def get_word(self,filePath):
    '''音频转文字，参数filePath为wav音频地址，返回双值：状态(1为转换成功)及转换后文本或错误信息'''
    word = self.__client.asr(self.__get_file_content(filePath),'wav',8000,{
        'lan': 'zh'
        }) # 参数：语音对象，文件格式，采样率，语种类型

    if word['err_no'] == 0: # 错误值为0（即正确）
        return 1,word['result'][0] # 返回 1 与 文本信息
    else:
        return 0,word['err_no'] # 否则返回 0 与 错误内容