接上一篇文章 【Python音视频技术】玩AI视频创作引发写Python音视频技术系列文章1---视频添加字幕
之前我想在视频中提取音频转换文字， 当时是用 PC剪映专业版搞定的， 详情见 【AI+应用】模仿爆款视频二次创作短视频操作步骤 。 这里我准备用python来实现类似功能。
先上自己简单写的示例代码：
这里的原视频用的【人工智能】AI视频二次创作演示
import moviepy.editor as mpimport speech_recognition as sr
def video_to_text(filePath, fileName): video = mp.VideoFileClip(filePath + fileName)
audioPath = filePath + '/converted.wav' video.audio.write_audiofile(audioPath)
r = sr.Recognizer() with sr.AudioFile(audioPath) as infile: audio = r.record(infile) print(r.recognize_sphinx(audio))
if __name__ == '__main__': video_to_text("/Users/lwj", "/spring.mp4")
代码简单解释下， 先把视频转换成音频文件（这里转换成wav格式），然后SpeechRecognition离线识别文字。
需要注意的是SpeechRecognition支持语音文件类型:
WAV: 必须是 PCM/LPCM 格式AIFFAIFF-CFLAC: 必须是初始 FLAC 格式；OGG-FLAC 格式不可用
recognize_sphinx()语音识别器，它既可以联网工作，也可以离线工作，离线必须安装pocketsphinx库。
这里采用离线方式。
pip3 install SpeechRecognition
pip3 install pocketsphinx
备注： moviePy安装可以参考上一篇文章，这里就不细写了。
python3 video_to_text.py
直接安装运行后会发现， 对应目录产生了音频文件， 生成的文字等待了很长时间，出来一堆牛头不对马嘴的英文。 这时候，我在想，应该是要找安装 中文声学模型、语言模型和字典文件。
参照网上的做法：先找中文包下载地址：
https://sourceforge.net/projects/cmusphinx/files/Acoustic and Language Models/Mandarin/
python安装目录下找到Lib\site-packages\speech_recognition：
如果你有很多python安装版本，不知道Python路径，可以通过命令
pip3 show speechRecognition 查找。
点击进入pocketsphinx-data文件夹，并新建文件夹zh-CN：在这个文件夹中添加进入刚刚解压的文件，需要注意：把解压出来的zh_cn.cd_cont_5000文件夹重命名为acoustic-model、zh_cn.lm.bin命名为language-model.lm.bin、zh_cn.dic中dic改为pronounciation-dictionary.dict格式。
修改了代码 print(r.recognize_sphinx(audio)) 为
print(r.recognize_sphinx(audio, language='zh-cn'))
重新运行 python3 video_to_text.py， 音译的什么玩意。 还是有点牛头不对马嘴。
个人猜想有2个原因，待确定。
1、pocketsphinx离线版中文音译并不理想
2、我这个原视频杂音太多，除了字幕的音频，还有音乐。影响具体的文字识别。后续找个其他视频试一下。
文章先到这里。主要是因为本周末下午天气很好，待会陪小孩玩足球，先不折腾了。 这个只是跑通了流程，并不是太满意实际效果。
未完待续