Skip to content
TheChatArchiveThe Chat Archive
gpt-4o-2024-05-13· OpenAIAi2 WildChat-4.8M (AI2)

Помоги улучшить скрипт для распознания звуковой дорожки в текст. Сейчас работает так:…

  1. User

    Помоги улучшить скрипт для распознания звуковой дорожки в текст. Сейчас работает так: !mkdir audio # Создаст папку audio, это надо потому что потом все файлы нарезанные будут в нее сохранятся, и их папки будет читать скрипт !ffmpeg -i /content/006.mp3 -f segment -segment_time 30 -c:a pcm_s16le -ar 44100 -ac 2 /content/audio/output_%03d.wav # Этот код нарезает аудио файл на фрагменты по 30 секунд

    Далее сам скрипт: #@markdown # Здесь скрипт сам берет все файлы из папки, сортирует их по от первого до последнего, и сохроняет все в текстовик import speech_recognition as sr import os

    Указываем язык для распознавания

    lang = 'RU-ru' # @param ["EN-en", "JA-ja", "RU-ru"]

    Создаем распознаватель

    r = sr.Recognizer()

    Путь к папке с аудиофайлами

    folder_path = '/content/audio' #@param {type:"string"}

    Указываем файл, в который будем записывать результаты

    output_file = '/content/recognized_texts.txt'

    Получаем список всех файлов в папке и сортируем их

    audio_files = sorted([f for f in os.listdir(folder_path) if os.path.isfile(os.path.join(folder_path, f))])

    Проходим по каждому файлу и выполняем распознавание речи

    for audio_file in audio_files: file_path = os.path.join(folder_path, audio_file) with sr.AudioFile(file_path) as source: audio = r.record(source) try: s = r.recognize_google(audio, language=lang) print(f'Text ({audio_file}): {s}') with open(output_file, "a", encoding='utf-8') as f: f.write(f'Text ({audio_file}): {s}\n') except Exception as e: print(f'Exception for file {audio_file}: {str(e)}')

    Надо сделать так, чтобы в скрипте через #@param {type:"string"} была возможность указать путь к файлу со звуковой дорожкой. Далее скрипт сам создает папку audio, и затем нарезает звуковой файл кодом ffmpeg -i /content/006.mp3 -f segment -segment_time 30 -c:a pcm_s16le -ar 44100 -ac 2 /content/audio/output_%03d.wav и из папки audio уже далее выполняется

  2. Assistant

    Конечно, вот обновленный скрипт, который позволяет вам указать путь ко входному звуковому файлу, создает папку audio, нарезает звуковой файл, а затем выполняет распознавание речи из нарезанных файлов:

    import os
    import subprocess
    import speech_recognition as sr
    
    # Указываем путь ко входному звуковому файлу
    input_audio_path = '/content/006.mp3'  # @param {type:"string"}
    
    # Указываем язык для распознавания
    lang = 'RU-ru'  # @param ["EN-en", "JA-ja", "RU-ru"]
    
    # Создаем папку audio, если она не существует
    output_folder = '/content/audio'
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    # Нарезаем звуковой файл на фрагменты по 30 секунд с помощью ffmpeg
    segmented_audio_pattern = os.path.join(output_folder, 'output_%03d.wav')
    ffmpeg_command = [
        'ffmpeg', '-i', input_audio_path, '-f', 'segment',
        '-segment_time', '30', '-c:a', 'pcm_s16le', '-ar', '44100', '-ac', '2',
        segmented_audio_pattern
    ]
    subprocess.run(ffmpeg_command, check=True)
    
    # Создаем распознаватель
    r = sr.Recognizer()
    
    # Указываем файл, в который будем записывать результаты
    output_file = '/content/recognized_texts.txt'
    
    # Получаем список всех файлов в папке и сортируем их
    audio_files = sorted([f for f in os.listdir(output_folder) if os.path.isfile(os.path.join(output_folder, f))])
    
    # Проходим по каждому файлу и выполняем распознавание речи
    for audio_file in audio_files:
        file_path = os.path.join(output_folder, audio_file)
        with sr.AudioFile(file_path) as source:
            audio = r.record(source)
        try:
            s = r.recognize_google(audio, language=lang)
            print(f'Text ({audio_file}): {s}')
            with open(output_file, "a", encoding='utf-8') as f:
                f.write(f'Text ({audio_file}): {s}\n')
        except Exception as e:
            print(f'Exception for file {audio_file}: {str(e)}')
    

    Основные изменения:

    1. Добавлен параметр input_audio_path с типом "string" для указания пути к исходному звуковому файлу.
    2. Код для создания папки audio, если она не существует.
    3. Код для нарезки звуковой дорожки с помощью ffmpeg.

    Теперь вы можете указать путь ко входному звуковому файлу через параметр, и скрипт автоматически выполнит все необходимые действия.

  3. User

    надо папку audio когда он создает, по окончанию выполнения чтобы папка была удалена !rm -rf /content/audio

  4. Assistant

    Конечно, вот обновленный скрипт, который создаст папку audio, нарежет звуковой файл, выполнит распознавание и затем удалит папку audio по окончанию выполнения:

    import os
    import subprocess
    import speech_recognition as sr
    import shutil
    
    # Указываем путь ко входному звуковому файлу
    input_audio_path = '/content/006.mp3'  # @param {type:"string"}
    
    # Указываем язык для распознавания
    lang = 'RU-ru'  # @param ["EN-en", "JA-ja", "RU-ru"]
    
    # Создаем папку audio, если она не существует
    output_folder = '/content/audio'
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    
    try:
        # Нарезаем звуковой файл на фрагменты по 30 секунд с помощью ffmpeg
        segmented_audio_pattern = os.path.join(output_folder, 'output_%03d.wav')
        ffmpeg_command = [
            'ffmpeg', '-i', input_audio_path, '-f', 'segment',
            '-segment_time', '30', '-c:a', 'pcm_s16le', '-ar', '44100', '-ac', '2',
            segmented_audio_pattern
        ]
        subprocess.run(ffmpeg_command, check=True)
        
        # Создаем распознаватель
        r = sr.Recognizer()
    
        # Указываем файл, в который будем записывать результаты
        output_file = '/content/recognized_texts.txt'
    
        # Получаем список всех файлов в папке и сортируем их
        audio_files = sorted([f for f in os.listdir(output_folder) if os.path.isfile(os.path.join(output_folder, f))])
    
        # Проходим по каждому файлу и выполняем распознавание речи
        for audio_file in audio_files:
            file_path = os.path.join(output_folder, audio_file)
            with sr.AudioFile(file_path) as source:
                audio = r.record(source)
            try:
                s = r.recognize_google(audio, language=lang)
                print(f'Text ({audio_file}): {s}')
                with open(output_file, "a", encoding='utf-8') as f:
                    f.write(f'Text ({audio_file}): {s}\n')
            except Exception as e:
                print(f'Exception for file {audio_file}: {str(e)}')
    finally:
        # Удаляем папку audio и все ее содержимое
        shutil.rmtree(output_folder)
        print(f'Folder {output_folder} has been removed.')
    

    Основные изменения:

    1. Добавлен блок try-finally, чтобы гарантировать удаление папки audio после выполнения всех операций.
    2. Используется модуль shutil для удаления папки и всех её содержимых.

    Этот скрипт создаст папку audio, нарежет звуковую дорожку на фрагменты, выполнит распознавание, и в конце гарантированно удалит папку audio.