Как перевести аудио в текст?

Question

[s1veme]

Пытаюсь перевести аудио в формате ogg в текст, перепробовал пару библиотек, но все выдавали ошибки.

speech_recognition - не принимает формат ogg.
ftransc - не работает на windows, но вроде бы спокойно работает на Linux - не подходит

Какую библиотеку можно использовать для перевода аудио в текст, формат аудио - ogg.
Заранее спасибо, буду благодарен, если сразу дадите статью или документацию.

Comments

[PavelMos]

Имхо локальные библиотеки не будут работать так хорошо, как распознавание на сервисах яндекса и гугля. У обоих, насколько помню, до определённого объёма это бесплатно. Но нужно также создавать учётную запись на их вычислительных платформах и вводить реквизиты карточки.

Answer 1

[Dimonchik]

ну альтренативы https://pypi.org/project/SpeechRecognition/ нет
разве что каждая обвязка к API отдельно )

так что конверти звук в нужный формат и вперед

Comments

[s1veme]

Не могу конвертировать. Не нашёл нормальных библиотек для этого)

[Dimonchik]

девочку с плеером

[Alex F]

s1veme,
ffmpeg -i file.ogg file.wav
ffmpeg есть и под винду

Answer 2

[sswwssww]

Как вариант попробовать перевести ogg в нужный формат:

import soundfile as sf   #   pip install pysoundfile

data, samplerate = sf.read('existing_file.ogg')
sf.write('new_file.wav', data, samplerate)

Comments

[s1veme]

Не работает. Такое вроде бы только на Linux возможно.

[Alex F]

s1veme,

SoundFile может читать и записывать звуковые файлы. Чтение/запись файлов поддерживается через libsndfile - бесплатную кроссплатформенную библиотеку с открытым исходным кодом (LGPL) для чтения и записи множества различных форматов звуковых файлов с семплами, которые работают на многих платформах, включая Windows, OS X и Unix. Доступ к нему осуществляется через CFFI, который является интерфейсом внешней функции для Python, вызывающего код C. CFFI поддерживается для CPython 2.6+, 3.x и PyPy 2.0+. SoundFile представляет аудиоданные в виде массивов NumPy.

Так что и под виндой

Answer 3

[Alex F]

import speech_recognition as sr
sinput = '/tmp/test.wav'
r = sr.Recognizer()
harvard = sr.AudioFile(sinput)
with harvard as source:
	audio = r.record(source)
out = r.recognize_google(audio)
print (out)

ну так себе распознание
а теперь другой голос и медленнее

уже лучше
но для фильмов/песен совершенно не годится:)

Comments

[s1veme]

Мне нужно перевести формат ogg.
Либо конвертировать ogg в wav.

[Alex F]

s1veme, Вам же в предыдущем вашем вопросе ответили(и я в том числе)!!!

Работает это под виндой!
У меня виртуалка есть 10-тки, проверял - работает! Так что смотрите, что вы делаете не правильно.