def textToAudio_Sougou(message, filePath):
        # https://ai.so    gou.com/doc/?url=/docs/content/tts/references/rest/ 
        '''
        curl -X POST \
             -H "Content-Type: application/json" \
             --data '{
          "appid": "xxx",
          "appkey": "xxx",
          "exp": "3600s"
        }' https://api.zhiyin.sogou.com/apis/auth/v1/create_token
        '''
 
        token = 'xxx'
        headers = { 
            'Authorization' : 'Bearer '+token,
            'Appid' : 'xxx',
            'Content-Type' : 'application/json',
            'appkey' : 'xxx',
            'secretkey' : 'xxx'
        }
        data = {
          'input': {
            'text': message
          },
          'config': {
            'audio_config': {
              'audio_encoding': 'LINEAR16',
              'pitch': 1.0,
              'volume': 1.0,
              'speaking_rate': 1.0
            },
            'voice_config': {
              'language_code': 'zh-cmn-Hans-CN',
              'speaker': 'female'
            }
          }
        }
        
        result = requests.post(url=url, headers=headers, data=json.dumps(data, ensure_ascii=False).encode('utf-8')).content
        with open(filePath, 'wb') as f:
            f.write(result)

import base64
import json
import os
import time
import shutil
import requests

class BaiduVoiceToTxt():
? ? # 初始化函數(shù)
? ? def __init__(self):
? ? ? ? # 定義要進行切割的pcm文件的位置。speech-vad-demo固定好的，沒的選
? ? ? ? self.pcm_path = ".\\speech-vad-demo\\pcm\\16k_1.pcm"
? ? ? ? # 定義pcm文件被切割后，分割成的文件輸出到的目錄。speech-vad-demo固定好的，沒的選
? ? ? ? self.output_pcm_path = ".\\speech-vad-demo\\output_pcm\\"

? ? # 百度AI接口只接受pcm格式，所以需要轉(zhuǎn)換格式
? ? # 此函數(shù)用于將要識別的mp3文件轉(zhuǎn)換成pcm格式，并輸出為.\speech-vad-demo\pcm\16k_1.pcm
? ? def change_file_format(self,filepath):
? ? ? ? file_name = filepath
? ? ? ? # 如果.\speech-vad-demo\pcm\16k_1.pcm文件已存在，則先將其刪除
? ? ? ? if os.path.isfile(f"{self.pcm_path}"):
? ? ? ? ? ? os.remove(f"{self.pcm_path}")
? ? ? ? # 調(diào)用系統(tǒng)命令，將文件轉(zhuǎn)換成pcm格式，并輸出為.\speech-vad-demo\pcm\16k_1.pcm
? ? ? ? change_file_format_command = f".\\ffmpeg\\bin\\ffmpeg.exe -y ?-i {file_name} ?-acodec pcm_s16le -f s16le -ac 1 -ar 16000 {self.pcm_path}"
? ? ? ? os.system(change_file_format_command)

? ? # 百度AI接口最長只接受60秒的音視，所以需要切割
? ? # 此函數(shù)用于將.\speech-vad-demo\pcm\16k_1.pcm切割
? ? def devide_video(self):
? ? ? ? # 如果切割輸出目錄.\speech-vad-demo\output_pcm\已存在，那其中很可能已有文件，先將其清空
? ? ? ? # 清空目錄的文件是先刪除，再創(chuàng)建
? ? ? ? if os.path.isdir(f"{self.output_pcm_path}"):
? ? ? ? ? ? shutil.rmtree(f"{self.output_pcm_path}")
? ? ? ? time.sleep(1)
? ? ? ? os.mkdir(f"{self.output_pcm_path}")
? ? ? ? # vad-demo.exe使用相對路徑.\pcm和.\output_pcm，所以先要將當(dāng)前工作目錄切換到.\speech-vad-demo下不然vad-demo.exe找不到文件
? ? ? ? os.chdir(".\\speech-vad-demo\\")
? ? ? ? # 直接執(zhí)行.\vad-demo.exe，其默認(rèn)會將.\pcm\16k_1.pcm文件切割并輸出到.\output_pcm目錄下
? ? ? ? devide_video_command = ".\\vad-demo.exe"
? ? ? ? os.system(devide_video_command)
? ? ? ? # 切換回工作目錄
? ? ? ? os.chdir("..\\")

? ? # 此函數(shù)用于將.\speech-vad-demo\output_pcm\下的文件的文件名的時間格式化成0:00:00,000形式
? ? def format_time(self, msecs):
? ? ? ? # 一個小時毫秒數(shù)
? ? ? ? hour_msecs = 60 * 60 * 1000
? ? ? ? # 一分鐘對應(yīng)毫秒數(shù)
? ? ? ? minute_msecs = 60 * 1000
? ? ? ? # 一秒鐘對應(yīng)毫秒數(shù)
? ? ? ? second_msecs = 1000
? ? ? ? # 文件名的時間是毫秒需要先轉(zhuǎn)成秒。+500是為了四舍五入，//是整除
? ? ? ? # msecs = (msecs + 500) // 1000
? ? ? ? # 小時
? ? ? ? hour = msecs // hour_msecs
? ? ? ? if hour < 10:
? ? ? ? ? ? hour = f"0{hour}"
? ? ? ? # 扣除小時后剩余毫秒數(shù)
? ? ? ? hour_left_msecs = msecs % hour_msecs
? ? ? ? # 分鐘
? ? ? ? minute = hour_left_msecs // minute_msecs
? ? ? ? # 如果不足10分鐘那在其前補0湊成兩位數(shù)格式
? ? ? ? if minute < 10:
? ? ? ? ? ? minute = f"0{minute}"
? ? ? ? # 扣除分鐘后剩余毫秒數(shù)
? ? ? ? minute_left_msecs = hour_left_msecs % minute_msecs
? ? ? ? # 秒
? ? ? ? second = minute_left_msecs // second_msecs
? ? ? ? # 如果秒數(shù)不足10秒，一樣在其前補0湊足兩位數(shù)格式
? ? ? ? if second < 10:
? ? ? ? ? ? second = f"0{second}"
? ? ? ? # 扣除秒后剩余毫秒數(shù)
? ? ? ? second_left_msecs = minute_left_msecs % second_msecs
? ? ? ? # 如果不足10毫秒或100毫秒，在其前補0湊足三位數(shù)格式
? ? ? ? if second_left_msecs < 10:
? ? ? ? ? ? second_left_msecs = f"00{second_left_msecs}"
? ? ? ? elif second_left_msecs < 100:
? ? ? ? ? ? second_left_msecs = f"0{second_left_msecs}"
? ? ? ? # 格式化成00:00:00,000形式，并返回
? ? ? ? time_format = f"{hour}:{minute}:{second},{second_left_msecs}"
? ? ? ? return time_format

? ? # 此函數(shù)用于申請訪問ai接口的access_token
? ? def get_access_token(self):
? ? ? ? # 此變量賦值成自己API Key的值
? ? ? ? client_id = 'f3wT23Otc8jXlDZ4HGtS4jfT'
? ? ? ? # 此變量賦值成自己Secret Key的值
? ? ? ? client_secret = 'YPPjW3E0VGPUOfZwhjNGVn7LTu3hwssj'
? ? ? ? auth_url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret

? ? ? ? response_at = requests.get(auth_url)
? ? ? ? # 以json格式讀取響應(yīng)結(jié)果
? ? ? ? json_result = json.loads(response_at.text)
? ? ? ? # 獲取access_token
? ? ? ? access_token = json_result['access_token']
? ? ? ? return access_token

? ? # 此函數(shù)用于將.\speech-vad-demo\output_pcm\下的單個文件由語音轉(zhuǎn)成文件
? ? def transfer_voice_to_srt(self,access_token,filepath):
? ? ? ? # 百度語音識別接口
? ? ? ? url_voice_ident = "http://vop.baidu.com/server_api"
? ? ? ? # 接口規(guī)范，以json格式post數(shù)據(jù)
? ? ? ? headers = {
? ? ? ? ? ? 'Content-Type': 'application/json'
? ? ? ? }
? ? ? ? # 打開pcm文件并讀取文件內(nèi)容
? ? ? ? pcm_obj = open(filepath,'rb')
? ? ? ? pcm_content_base64 = base64.b64encode(pcm_obj.read())
? ? ? ? pcm_obj.close()
? ? ? ? # 獲取pcm文件大小
? ? ? ? pcm_content_len = os.path.getsize(filepath)

? ? ? ? # 接口規(guī)范，則體函義見官方文件，值得注意的是cuid和speech兩個參數(shù)的寫法
? ? ? ? post_data = {
? ? ? ? ? ? "format": "pcm",
? ? ? ? ? ? "rate": 16000,
? ? ? ? ? ? "dev_pid": 1737,
? ? ? ? ? ? "channel": 1,
? ? ? ? ? ? "token": access_token,
? ? ? ? ? ? "cuid": "1111111111",
? ? ? ? ? ? "len": pcm_content_len,
? ? ? ? ? ? "speech": pcm_content_base64.decode(),
? ? ? ? }
? ? ? ? proxies = {
? ? ? ? ? ? 'http':"127.0.0.1:8080"
? ? ? ? }
? ? ? ? # 調(diào)用接口，進行音文轉(zhuǎn)換
? ? ? ? response = requests.post(url_voice_ident, headers=headers, data=json.dumps(post_data))
? ? ? ? # response = requests.post(url_voice_ident,headers=headers,data=json.dumps(post_data),proxies=proxies)
? ? ? ? return response.text

if __name__ == "__main__":
? ? # 實例化
? ? baidu_voice_to_srt_obj = BaiduVoiceToTxt()
? ? # 自己要進行音文轉(zhuǎn)換的音視存放的文件夾
? ? video_dir = ".\\video\\"
? ? all_video_file =[]
? ? all_file = os.listdir(video_dir)
? ? subtitle_format = "{\\fscx75\\fscy75}"
? ? # 只接受.mp3格式文件。因為其他格式?jīng)]研究怎么轉(zhuǎn)成pcm才是符合接口要求的
? ? for filename in all_file:
? ? ? ? if ".mp3" in filename:
? ? ? ? ? ? all_video_file.append(filename)
? ? all_video_file.sort()
? ? i = 0
? ? video_file_num = len(all_video_file)
? ? print(f"當(dāng)前共有{video_file_num}個音頻文件需要轉(zhuǎn)換，即將進行處理請稍等...")
? ? # 此層for循環(huán)是逐個mp3文件進行處理
? ? for video_file_name in all_video_file:
? ? ? ? i += 1
? ? ? ? print(f"當(dāng)前轉(zhuǎn)換{video_file_name}({i}/{video_file_num})")
? ? ? ? # 將音視翻譯成的內(nèi)容輸出到同目錄下同名.txt文件中
? ? ? ? video_file_srt_path = f".\\video\\{video_file_name[:-4]}.srt"
? ? ? ? # 以覆蓋形式打開.txt文件
? ? ? ? video_file_srt_obj = open(video_file_srt_path,'w+')

? ? ? ? filepath = os.path.join(video_dir, video_file_name)
? ? ? ? # 調(diào)用change_file_format將mp3轉(zhuǎn)成pcm格式
? ? ? ? baidu_voice_to_srt_obj.change_file_format(filepath)
? ? ? ? # 將轉(zhuǎn)換成的pcm文件切割成多個小于60秒的pcm文件
? ? ? ? baidu_voice_to_srt_obj.devide_video()
? ? ? ? # 獲取token
? ? ? ? access_token = baidu_voice_to_srt_obj.get_access_token()
? ? ? ? # 獲取.\speech-vad-demo\output_pcm\目錄下的文件列表
? ? ? ? file_dir = baidu_voice_to_srt_obj.output_pcm_path
? ? ? ? all_pcm_file = os.listdir(file_dir)
? ? ? ? all_pcm_file.sort()
? ? ? ? j = 0
? ? ? ? pcm_file_num = len(all_pcm_file)
? ? ? ? print(f"當(dāng)前所轉(zhuǎn)文件{video_file_name}({i}/{video_file_num})被切分成{pcm_file_num}塊，即將逐塊進行音文轉(zhuǎn)換請稍等...")
? ? ? ? # 此層for是將.\speech-vad-demo\output_pcm\目錄下的所有文件逐個進行音文轉(zhuǎn)換
? ? ? ? for filename in all_pcm_file:
? ? ? ? ? ? j += 1
? ? ? ? ? ? filepath = os.path.join(file_dir, filename)
? ? ? ? ? ? if (os.path.isfile(filepath)):
? ? ? ? ? ? ? ? # 獲取文件名上的時間
? ? ? ? ? ? ? ? time_str = filename[10:-6]
? ? ? ? ? ? ? ? time_str_dict = time_str.split("-")
? ? ? ? ? ? ? ? time_start_str = baidu_voice_to_srt_obj.format_time(int(time_str_dict[0]))
? ? ? ? ? ? ? ? time_end_str = baidu_voice_to_srt_obj.format_time(int(time_str_dict[1]))
? ? ? ? ? ? ? ? print(f"當(dāng)前轉(zhuǎn)換{video_file_name}({i}/{video_file_num})-{time_start_str}-{time_end_str}({j}/{pcm_file_num})")
? ? ? ? ? ? ? ? response_text = baidu_voice_to_srt_obj.transfer_voice_to_srt(access_token, filepath)
? ? ? ? ? ? ? ? # 以json形式讀取返回結(jié)果
? ? ? ? ? ? ? ? json_result = json.loads(response_text)
? ? ? ? ? ? ? ? # 將音文轉(zhuǎn)換結(jié)果寫入.srt文件
? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"{j}\r\n")
? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"{time_start_str} --> {time_end_str}\r\n")
? ? ? ? ? ? ? ? if json_result['err_no'] == 0:
? ? ? ? ? ? ? ? ? ? print(f"{time_start_str}-{time_end_str}({j}/{pcm_file_num})轉(zhuǎn)換成功：{json_result['result'][0]}")
? ? ? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"{subtitle_format}{json_result['result'][0]}\r\n")
? ? ? ? ? ? ? ? elif json_result['err_no'] == 3301:
? ? ? ? ? ? ? ? ? ? print(f"{time_start_str}-{time_end_str}({j}/{pcm_file_num})音頻質(zhì)量過差無法識別")
? ? ? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"{subtitle_format}音頻質(zhì)量過差無法識別\r\n")
? ? ? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ? ? print(f"{time_start_str}-{time_end_str}({j}/{pcm_file_num})轉(zhuǎn)換過程遇到其他錯誤")
? ? ? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"{subtitle_format}轉(zhuǎn)換過程遇到其他錯誤\r\n")
? ? ? ? ? ? ? ? video_file_srt_obj.writelines(f"\r\n")
? ? ? ? video_file_srt_obj.close()