科大讯飞语音识别（获取音频流文件中文字）

项目中需要获取视频中的文字，将过程记录下，方便以后使用！

为了确保项目在公司内网也能使用语音识别，需要确保内网可以通过HTTP访问dev.voicecloud.cn 该网址不是在浏览器地址栏中使用的， sdk要连接的

需求：

获取视频中的音频文件

思路：

1. 使用科大讯飞的语音听写sdk，来获取音频中的文字信息

2.科大讯飞，现在（2017年1月）支持且仅支持pcm和wav格式的音频流文件。

那么我要从视频中获取文字，所以需要先从视频中提取格式为pcm或wav格式的音频流文件。然后再将音频流文件传送给讯飞的sdk解析。

所需工具：

1.提取视频中的音频流文件，可以使用Linu上的ffmpeg工具完成，需要先在Linux上安装ffmpeg，通过Java调用提取音频的命令，获取音频文件。

我提取pcm格式文件失败，所以提取的wav格式的文件

2. 提取命令：

方式一： ffmpeg -i视频文件名-f s16le -ar 16000输出的音频文件名

命令解释：以16位，16k采样率提取视频文件中的音频文件。

方式二：ffmpeg -i 视频文件名 -vn -ar 16000 -ac 1 -acodec pcm_s16le -y 音频文件名

提取的音频文件质量对解析结果有很大的影响。

这是他们的建议：上传的识别的音频格式是有要求的，目前支持的格式是 pcm和wav格式、音频采样率要是16k或者8k、采样精度16位、单声道音频

（采样率 16k 比 8k 识别效果要好一些，识别的音频长度最大为60S）。

下面不在啰嗦其他的，直接写我的测试代码：

资源文档：http://download.csdn.net/detail/changerzhuo_319/9729538

1. Java调用Linux命令，提取视频中的音频文件：

package com.iflytek;import java.io.File;
import java.io.InputStreamReader;
import java.io.LineNumberReader;import org.apache.log4j.Logger;public class Video2Voice {private static Logger logger = Logger.getLogger(Video2Voice.class);/*** 提取视频中的音频文件* @param fileName* @return 音频文件名* @throws Exception*/public static String transform(String fileName) throws Exception {File file = new File(fileName);if(!file.exists()) {logger.error("文件不存在："+fileName);throw new RuntimeException("文件不存在："+fileName);}//讯飞现在支持pcm，wav的语音流文件String name = fileName.substring(0, fileName.lastIndexOf(".")) + ".wav";logger.info("获取到的音频文件："+name);// 提取视频中的音频文件。 根据讯飞要求设置采样率， 位数，String cmd = "ffmpeg -i "+ fileName +" -f s16le -ar 16000 "+ name;Process process = Runtime.getRuntime().exec(cmd);//执行命令// InputStreamReader ir = new InputStreamReader(process.getInputStream());LineNumberReader input = new LineNumberReader(ir);String line;//输出结果，需要有这部分代码， 否则不能生产抽取的音频文件while ((line = input.readLine()) != null) {System.out.println(line);}process.destroy();return name;}public static void main(String[] args) {try {transform(args[0]);} catch (Exception e) {// TODO Auto-generated catch blocke.printStackTrace();}}
}

2. 从音频文件中获取文字信息，这段代码是修改的讯飞demo中的代码，仅保留了语音识别的代码

package com.iflytek;import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Scanner;import com.iflytek.cloud.speech.DataUploader;
import com.iflytek.cloud.speech.LexiconListener;
import com.iflytek.cloud.speech.RecognizerListener;
import com.iflytek.cloud.speech.RecognizerResult;
import com.iflytek.cloud.speech.Setting;
import com.iflytek.cloud.speech.SpeechConstant;
import com.iflytek.cloud.speech.SpeechError;
import com.iflytek.cloud.speech.SpeechListener;
import com.iflytek.cloud.speech.SpeechRecognizer;
import com.iflytek.cloud.speech.SpeechSynthesizer;
import com.iflytek.cloud.speech.SpeechUtility;
import com.iflytek.cloud.speech.SynthesizeToUriListener;
import com.iflytek.cloud.speech.UserWords;public class MscTest {private static final String APPID = "5860ec57";private StringBuffer mResult = new StringBuffer();/** 最大等待时间， 单位ms */private int maxWaitTime = 500;/** 每次等待时间 */private int perWaitTime = 100;/** 出现异常时最多重复次数 */private int maxQueueTimes = 3;/** 音频文件 */private String fileName = "";static {Setting.setShowLog( false );SpeechUtility.createUtility("appid=" + APPID);}public String voice2words(String fileName) throws InterruptedException {return voice2words(fileName, true);}/*** * @desc: 工具类，在应用中有一个实例即可， 但是该实例是有状态的， 因此要消除其他调用对状态的修改，所以提供一个init变量* @auth: zona* 2017年1月4日 下午4:38:45 * @param fileName* @param init 是否初始化最大等待时间。 * @return* @throws InterruptedException*/public String voice2words(String fileName, boolean init) throws InterruptedException {if(init) {maxWaitTime = 500;maxQueueTimes = 3;}if(maxQueueTimes <= 0) {mResult.setLength(0);mResult.append("解析异常！");return mResult.toString();}this.fileName = fileName;return recognize();}// *************************************音频流听写*************************************/*** 听写* @return * @throws InterruptedException */private String recognize() throws InterruptedException {if (SpeechRecognizer.getRecognizer() == null)SpeechRecognizer.createRecognizer();return RecognizePcmfileByte();}/*** 自动化测试注意要点 如果直接从音频文件识别，需要模拟真实的音速，防止音频队列的堵塞* @throws InterruptedException */private String RecognizePcmfileByte() throws InterruptedException {// 1、读取音频文件FileInputStream fis = null;byte[] voiceBuffer = null;try {fis = new FileInputStream(new File(fileName));voiceBuffer = new byte[fis.available()];fis.read(voiceBuffer);} catch (Exception e) {e.printStackTrace();} finally {try {if (null != fis) {fis.close();fis = null;}} catch (IOException e) {e.printStackTrace();}}// 2、音频流听写if (0 == voiceBuffer.length) {mResult.append("no audio avaible!");} else {//解析之前将存出结果置为空mResult.setLength(0);SpeechRecognizer recognizer = SpeechRecognizer.getRecognizer();recognizer.setParameter(SpeechConstant.DOMAIN, "iat");recognizer.setParameter(SpeechConstant.LANGUAGE, "zh_cn");recognizer.setParameter(SpeechConstant.AUDIO_SOURCE, "-1");//写音频流时，文件是应用层已有的，不必再保存
//          recognizer.setParameter(SpeechConstant.ASR_AUDIO_PATH,
//                  "./iflytek.pcm");recognizer.setParameter( SpeechConstant.RESULT_TYPE, "plain" );recognizer.startListening(recListener);ArrayList<byte[]> buffers = splitBuffer(voiceBuffer,voiceBuffer.length, 4800);for (int i = 0; i < buffers.size(); i++) {// 每次写入msc数据4.8K,相当150ms录音数据recognizer.writeAudio(buffers.get(i), 0, buffers.get(i).length);try {Thread.sleep(150);} catch (InterruptedException e) {e.printStackTrace();}}recognizer.stopListening();// 在原有的代码基础上主要添加了这个while代码等待音频解析完成，recognizer.isListening()返回true，说明解析工作还在进行while(recognizer.isListening()) {if(maxWaitTime < 0) {mResult.setLength(0);mResult.append("解析超时！");break;}Thread.sleep(perWaitTime);maxWaitTime -= perWaitTime;}}return mResult.toString();}/*** 将字节缓冲区按照固定大小进行分割成数组* * @param buffer*            缓冲区* @param length*            缓冲区大小* @param spsize*            切割块大小* @return*/private ArrayList<byte[]> splitBuffer(byte[] buffer, int length, int spsize) {ArrayList<byte[]> array = new ArrayList<byte[]>();if (spsize <= 0 || length <= 0 || buffer == null|| buffer.length < length)return array;int size = 0;while (size < length) {int left = length - size;if (spsize < left) {byte[] sdata = new byte[spsize];System.arraycopy(buffer, size, sdata, 0, spsize);array.add(sdata);size += spsize;} else {byte[] sdata = new byte[left];System.arraycopy(buffer, size, sdata, 0, left);array.add(sdata);size += left;}}return array;}/*** 听写监听器*/private RecognizerListener recListener = new RecognizerListener() {public void onBeginOfSpeech() { }public void onEndOfSpeech() { }public void onVolumeChanged(int volume) { }public void onResult(RecognizerResult result, boolean islast) {mResult.append(result.getResultString());}public void onError(SpeechError error) {try {voice2words(fileName);maxQueueTimes--;} catch (InterruptedException e) {Thread.currentThread().interrupt();throw new RuntimeException(e);}}public void onEvent(int eventType, int arg1, int agr2, String msg) { }};}

3. main代码：

package com.iflytek;import java.util.Scanner;/*** @desc: * @auth: zona* 2017年1月4日 上午10:08:21*/
public class Test {private static String fileName = "1481023006148.wav";public static void main(String[] args) throws InterruptedException {Scanner scanner =new Scanner(System.in);MscTest mObject = new MscTest();int a = 1;boolean flag = true;for(int i=0; i<200; i++) {
//          MscTest mObject = new MscTest();if(flag) {System.out.print("place input num:");int num = scanner.nextInt();if(num > 10) {flag = false;}}//语音识别， 并给mResult赋值, 在获取音频文件中的文字代码中添加while就是为了确保该行代码执行完成时，// 语音识别解析工作已经完成，否则可能获取不到识别结果， 或仅仅是获取到识别结果的一部分String result = mObject.voice2words(fileName); System.out.println(a+"--->MscTest.main()--"+result);a++;}}
}

科大讯飞语音识别（获取音频流文件中文字）相关推荐

【Groovy】Xml 反序列化 ( 使用 XmlParser 解析 Xml 文件 | 获取 Xml 文件中的节点和属性 | 获取 Xml 文件中的节点属性 )
文章目录一.创建 XmlParser 解析器二.获取 Xml 文件中的节点三.获取 Xml 文件中的节点属性四.完整代码示例一.创建 XmlParser 解析器创建 XmlParser 解 ...
python遍历文本文件统计字符个数_用python获取txt文件中关键字的数量
缘起: 开发人员需要tomcat中一个项目在一个月的访问请求量,因其他原因只剩下查找tomcat请求日志的方法获取,刚好最近在学习python,于是就用python摸索了下: 大体思路: 1.把相应t ...
如何用迅捷PDF转换器获取PDF文件中的图片
工作中有的人喜欢将文档保存为PDF格式,因为PDF格式安全性和兼容性都比较高,但是在使用PDF文档的时候,也会一些小问题,比如说,PDF文档过大,想要查看文档中的图片,就需要耗费不少的时间,那么怎么才 ...
获取json文件中的URL
1.实例代码为实现获取json文件中的图像: # -*- coding:utf-8 -*- import requests import re import osdef get_page_url(ur ...
python获取csv文件中某一列或者某些列
把三个csv文件中的feature值整合到一个文件中,同时添加相应的label. # -*-coding:utf-8 -*- import csv; label1 = '1' label2 = '2' ...
如何修改pdf文件中文字的大小及颜色
pdf不能直接编辑,所以pdf文件中的字体也是固定的,如果我们想要对pdf文件中文字的大小或颜色进行编辑的话就需要用编辑工具来辅助完成了,下面是具体的方法. 先找到迅捷pdf编辑器的下载站,进入后将编 ...
如何获取PDF文件中对应内容的坐标及范围？
如何获取PDF文件中对应内容的坐标及范围? 介绍安装地址使用方式打开软件开启坐标显示坐标显示单位切换开启网格辅助线测量工具使用介绍这款来至Adobe公司旗下的PDF阅读器: 它免费提 ...
ubuntu 虚拟机复制不能用_扫描文件中文字不能直接复制怎么办？教你一招超好用的...
当我们收到了图片.pdf文件但是需要将其中的文字摘录下来,这时候我们怎么样才能更快更省心地完成呢?其实提高效率的办法有非常多,今天小编给大家介绍几个文字识别软件,可以将图片,扫描件,pdf文件中文字识 ...
@Value无法获取yml文件中属性
@Value获取yml文件中属性时,位置与名称均为写错,但获取为null,原因是采用了new方式创建了@Value所在类对象,因此无法获取,应采用注入的方式获取类对象.

科大讯飞语音识别（获取音频流文件中文字）

科大讯飞语音识别（获取音频流文件中文字）相关推荐

最新文章

热门文章