用 Python 解决女朋友看电影没字幕的需求

当前位置:

首页 > temp > python入门教程 >

用 Python 解决女朋友看电影没字幕的需求

是这样子的，女朋友晚上突然翻到了自己喜欢看的一个电影，但是没有字幕，这让她很苦恼。我急中生智，紧急的解决了我女朋友的需求。用 Python 做一个可以识别语音，然后翻译出来文字的软件。

一、故事情节

是这样子的，女朋友晚上突然翻到了自己喜欢看的一个电影，但是没有字幕，这让她很苦恼。

我急中生智，紧急的解决了我女朋友的需求。

想到了使用 Python 做一个可以识别语音，然后翻译出来文字的软件。

如下图就是本片文章所要完成的效果，哈哈，是不是还不错，很棒的样子。

如果有兴趣可以给我点个赞，之后带来更多好玩、有趣的 demo 和实现的教程。

《甄嬛传》第一集的某一小段：

其实，是这样子的：

最近剧荒，偶然翻出了曾经下载的电视剧回味一番，经典就是经典，不论是剧情还是台词，都那么有魅力，咦？等等，台词，台词…… 作为一个 IT 从业者，我忽然灵光一现——现在语音识别技术这么发达，能否有什么办法能帮我保存下一些精彩桥段的台词呢？或许我也可以是个野生字幕君: p , 似乎也可以在此基础上顺手再翻译一下个别难懂的台词！

略加思索，我大概有了个想法——做个视频中提取音频的程序，而后去请求一个开放的语音识别 API 来帮我把语音转为文字。鉴于之前调用有道智云的愉快经验，我决定再次拿来为我所用，很快做出了这个 demo（请忽略这丑丑的界面布局，能用就行……）。

欢迎关注我，一块来履行我之前的承诺，连更一个月之内，把几篇写完。

序号	预计完成时间	开发 dome 名字以及功能 & 发布文章内容	是否已写完	文章链接
1	9 月 3	文本翻译，单文本翻译，批量翻译 demo。	已完成	CSDN：点我直达微信公众号：点我直达
2	9 月 11	OCR-demo，完成批量上传识别; 在一个 demo 中可选择不同类型的 OCR 识别《包含手写体 / 印刷体 / 身份证 / 表格 / 整题 / 名片），然后调用平台能力，具体实现步骤等。	已完成	CSDN：点我直达微信公众号：
3	10 月 27	语音识别 demo，demo 中上传—段视频，并截取视频中短语音识别 - demo 的一段音频进行短语音识别		CSDN：点我直达微信公众号：
4	9 月 17	智能语音评测 - demo		CSDN：微信公众号：
5	9 月 24	作文批改 - demo		CSDN：微信公众号：
6	9 月 30	语音合成 - demo		CSDN：微信公众号：
7	10 月 15	单题拍搜 - demo		CSDN：微信公众号：
8	10 月 20	图片翻译 - demo		CSDN：微信公众号：

二、开发前的准备工作

首先，是需要在有道智云的个人页面上创建实例、创建应用、绑定应用和实例，获取调用接口用到的应用的 id 和密钥。具体个人注册的过程和应用创建过程详见文章不到 100 行代码搞定 Python 做 OCR 识别身份证，文字等各种字体

三、开发过程详细介绍

下面介绍具体的代码开发过程。

（一）接口规范说明

首先分析有道智云的 API 输入输出规范。根据文档来看，调用接口格式如下：

有道语音识别 API HTTPS 地址：

https://openapi.youdao.com/asrapi
复制代码

接口调用参数:

字段名	类型	含义	必填	备注
q	text	要翻译的音频文件的 Base64 编码字符串	True	必须是 Base64 编码
langType	text	源语言	True	支持语言
appKey	text	应用 ID	True	可在应用管理查看
salt	text	UUID	True	UUID
curtime	text	时间戳（秒）	true	秒数
sign	text	签名，通过 md5(应用 ID+q+salt+curTime + 密钥) 生成	True	应用 ID+q+salt+curTime + 密钥的 MD5 值
signType	text	签名版本	True	v2
format	text	语音文件的格式，wav	true	wav
rate	text	采样率，推荐 16000 采用率	true	16000
channel	text	声道数，仅支持单声道，请填写固定值 1	true	1
type	text	上传类型，仅支持 base64 上传，请填写固定值 1	true	1

其中 q 为 base64 编码的待识别音频文件，“上传的文件时长不能超过 120s，文件大小不能超过 10M”，这点需要注意一下。

API 的返回内容较为简单：

字段	含义
errorCode	识别结果错误码，一定存在。详细信息参加错误代码列表
result	识别结果，识别成功一定存在

（二）项目开发

这个项目使用python3开发，包括maindow.py，videoprocess.py，srbynetease.py三个文件。

界面部分，使用 python 自带的tkinter库，提供视频文件选择、时间输入框和确认按钮；

videoprocess.py: 来实现在视频的指定时间区间提取音频和处理 API 返回信息的功能；

srbynetease.py: 将处理好的音频发送到短语音识别 API 并返回结果。

1、界面部分的实现

界面部分代码如下，比较简单。

root=tk.Tk()
root.title("netease youdao sr test")
frm = tk.Frame(root)
frm.grid(padx='50', pady='50')

btn_get_file = tk.Button(frm, text='选择待识别视频', command=get_file)
btn_get_file.grid(row=0, column=0,  padx='10', pady='20')
path_text = tk.Entry(frm, width='40')
path_text.grid(row=0, column=1)

start_label=tk.Label(frm,text='开始时刻：')
start_label.grid(row=1,column=0)
start_input=tk.Entry(frm)
start_input.grid(row=1,column=1)

end_label=tk.Label(frm,text='结束时刻：')
end_label.grid(row=2,column=0)
end_input=tk.Entry(frm)
end_input.grid(row=2,column=1)

sure_btn=tk.Button(frm, text='开始识别', command=start_sr)
sure_btn.grid(row=3,column=0,columnspan=3)
root.mainloop()
复制代码

其中 sure_btn 的绑定事件 start_sr() 做了简单的异常处理，并通过弹窗打印最终的识别结果:

def start_sr():
    print(video.video_full_path)
 if len(path_text.get())==0:
        sr_result = '未选择文件'
    else:
        video.start_time = int(start_input.get())
        video.end_time = int(end_input.get())
        sr_result=video.do_sr()

    tk.messagebox.showinfo("识别结果", sr_result)
复制代码

2、处理音视频功能开发

（1）在 videoprocess.py 中，我用到了 python 的 moviepy 库来处理视频，按指定起止时间截取视频，提取音频，并按 API 要求转为 base64 编码形式：

def get_audio_base64(self):
    video_clip=VideoFileClip(self.video_full_path).subclip(self.start_time,self.end_time)
    audio=video_clip.audio
    result_path=self.video_full_path.split('.')[0]+'_clip.mp3'
    audio.write_audiofile(result_path)
    audio_base64 = base64.b64encode(open(result_path,'rb').read()).decode('utf-8')
    return audio_base64
复制代码

（2）处理好的音频文件编码传到封装好的有道智云 API 调用方法中：

def do_sr(self):
    audio_base64=self.get_audio_base64()
    sr_result=srbynetease.connect(audio_base64)
    print(sr_result)
    if sr_result['errorCode']=='0':
        return sr_result['result']
    else:
        return "Something wrong , errorCode:"+sr_result['errorCode']
复制代码

3、发送数据翻译功能的开发

srbynetease.py 中封装的调用方法比较简单，按 API 文档 “组装” 好 data{}发送即可：

def connect(audio_base64):
    data = {}
    curtime = str(int(time.time()))
    data['curtime'] = curtime
    salt = str(uuid.uuid1())
    signStr = APP_KEY + truncate(audio_base64) + salt + curtime + APP_SECRET
    sign = encrypt(signStr)
    data['appKey'] = APP_KEY
    data['q'] = audio_base64
    data['salt'] = salt
    data['sign'] = sign
    data['signType'] = "v2"
    data['langType'] = 'zh-CHS'
    data['rate'] = 16000
    data['format'] = 'mp3'
    data['channel'] = 1
    data['type'] = 1

    response = do_request(data)

    return json.loads(str(response.content,'utf-8'))
复制代码