在线体验 ,点击识别语音需要等待一会，文件太大缓存会报错
介绍
本篇博客将介绍如何使用 Streamlit、jieba、wenet 和其他 Python 库，结合语音识别（WeNet）和词云生成，构建一个功能丰富的应用程序。我们将深入了解代码示例中的不同部分，并解释其如何实现音频处理、语音识别和文本可视化等功能。
代码概览
首先，让我们来看一下这个应用的主要功能和组成部分：
- 导入必要的库和模型加载
import streamlit as st
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from pydub import AudioSegment
from noisereduce import reduce_noise
import wenet
import base64
import os在这一部分，我们导入了必要的 Python 库，包括 Streamlit、jieba（用于中文分词）、WordCloud（用于生成词云）、matplotlib（用于图表绘制）、pydub（用于音频处理）等。同时，我们还加载了 wenet 库，该库包含用于中英文语音识别的预训练模型。
- 语音识别的函数定义
def recognition(audio, lang='CN'):
# 识别语音内容并返回文本
# ...这个函数利用 wenet 库中的预训练模型，根据上传的音频文件进行语音识别。根据用户选择的语言（中文或英文），函数返回识别出的文本。
- 音频处理函数定义
def reduce_noise_and_export(input_file, output_file):
# 降噪并导出处理后的音频文件
# ...这个函数对上传的音频文件进行降噪处理，并导出处理后的音频文件，以提高语音识别的准确性。
- 关键词提取函数定义
def extract_keywords(result):
# 提取识别文本中的关键词
# ...此函数使用 jieba 库对识别出的文本进行分词，并返回关键词列表。
- Base64 编码和下载链接函数定义
def save_base64(uploaded_file):
# 将上传文件转换为 Base64 编码
# ...
def get_base64_link(file_path, link_text):
# 生成下载处理后音频的 Base64 链接
# ...这两个函数分别用于将上传的音频文件转换为 Base64 编码，并生成可下载处理后音频的链接。
- 主函数
main()
def main():
# Streamlit 应用的主要部分
# ...主函数包含了 Streamlit 应用程序的主要逻辑，包括文件上传、语言选择、按钮触发的操作等。
- 运行主函数
if __name__ == "__main__":
main()此部分代码确保主函数在运行时被调用。
应用程序功能
通过上述功能模块的组合，这个应用程序可以完成以下任务：
- 用户上传 WAV 格式的音频文件。
- 选择要进行的语言识别类型（中文或英文）。
- 降噪并处理上传的音频文件，以提高识别准确性。
- 对处理后的音频进行语音识别，返回识别结果。
- 从识别结果中提取关键词，并将其显示为词云图。
- 提供处理后音频的下载链接，方便用户获取处理后的音频文件。
希望这篇博客能够帮助你理解代码示例的每个部分，并激发你探索更多有趣应用的灵感！
streamlit应用程序
import streamlit as st
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from pydub import AudioSegment
from noisereduce import reduce_noise
import wenet
import base64
import os
# 载入模型
chs_model = wenet.load_model('chinese')
en_model = wenet.load_model('english')
# 执行语音识别的函数
def recognition(audio, lang='CN'):
if audio is None:
return "输入错误！请上传音频文件！"
if lang == 'CN':
ans = chs_model.transcribe(audio)
elif lang == 'EN':
ans = en_model.transcribe(audio)
else:
return "错误！请选择语言！"
if ans is None:
return "错误！没有文本输出！请重试！"
txt = ans['text']
return txt
# 降噪并导出处理后的音频的函数
def reduce_noise_and_export(input_file, output_file):
try:
audio = AudioSegment.from_wav(input_file)
audio_array = audio.get_array_of_samples()
reduced_noise = reduce_noise(audio_array, audio.frame_rate)
reduced_audio = AudioSegment(
reduced_noise.tobytes(),
frame_rate=audio.frame_rate,
sample_width=audio.sample_width,
channels=audio.channels
)
reduced_audio.export(output_file, format="wav")
return output_file
except Exception as e:
return f"发生错误：{str(e)}"
def extract_keywords(result):
word_list = jieba.lcut(result)
return word_list
def save_base64(uploaded_file):
with open(uploaded_file, "rb") as file:
audio_content = file.read()
encoded = base64.b64encode(audio_content).decode('utf-8')
return encoded
def main():
st.title("语音识别与词云生成")
uploaded_file = st.file_uploader("上传 WAV 文件", type="wav")
if uploaded_file:
st.audio(uploaded_file, format='audio/wav')
language_choice = st.radio("选择语言", ('CN', 'EN'))
bu=st.button("识别语音")
if bu:
if uploaded_file:
output_audio_path = os.path.basename(uploaded_file.name)
processed_audio_path = reduce_noise_and_export(uploaded_file, output_audio_path)
if not processed_audio_path.startswith("发生错误"):
result = recognition(processed_audio_path, language_choice)
st.write("识别结果：" + result)
keywords = extract_keywords(result)
st.write("提取的关键词：", keywords)
text = " ".join(keywords)
wc = WordCloud(font_path="SimSun.ttf",collocations=False, width=800, height=400, margin=2, background_color='white').generate(text.lower())
st.image(wc.to_array(), caption='词云')
# 提供处理后音频的下载链接
st.markdown(get_base64_link(processed_audio_path, '下载降噪音频'), unsafe_allow_html=True)
else:
st.warning("请上传文件")
def get_base64_link(file_path, link_text):
with open(file_path, "rb") as file:
audio_content = file.read()
encoded = base64.b64encode(audio_content).decode('utf-8')
href = f'<a href="data:audio/wav;base64,{encoded}" download="processed_audio.wav">{link_text}</a>'
return href
if __name__ == "__main__":
main()requirements.txt
wenet @ git+https://github.com/wenet-e2e/wenet
streamlit
wordcloud
pydub
jieba
noisereduce
体验链接： 长音频切换识别
import streamlit as st
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt
from pydub import AudioSegment
from noisereduce import reduce_noise
import wenet
import base64
import os
import numpy as np
# 载入模型
chs_model = wenet.load_model('chinese')
en_model = wenet.load_model('english')
# 执行语音识别的函数
def recognition(audio, lang='CN'):
if audio is None:
return "输入错误！请上传音频文件！"
if lang == 'CN':
ans = chs_model.transcribe(audio)
elif lang == 'EN':
ans = en_model.transcribe(audio)
else:
return "错误！请选择语言！"
if ans is None:
return "错误！没有文本输出！请重试！"
txt = ans['text']
return txt
def reduce_noise_segmented(input_file,chunk_duration_ms,frame_rate):
try:
audio = AudioSegment.from_file(input_file,format="wav")
# 将双声道音频转换为单声道
audio = audio.set_channels(1)
# 压缩音频的帧率为 16000
audio = audio.set_frame_rate(frame_rate)
duration = len(audio)
# 分段处理音频
chunked_audio = []
start = 0
while start < duration:
end = min(start + chunk_duration_ms, duration)
chunk = audio[start:end]
chunked_audio.append(chunk)
start = end
return chunked_audio
except Exception as e:
st.error(f"发生错误：{str(e)}")
return None
def extract_keywords(result):
word_list = jieba.lcut(result)
return word_list
def get_base64_link(file_path, link_text):
with open(file_path, "rb") as file:
audio_content = file.read()
encoded = base64.b64encode(audio_content).decode('utf-8')
href = f'<a href="data:audio/wav;base64,{encoded}" download="processed_audio.wav">{link_text}</a>'
return href
def main():
st.title("语音识别与词云生成")
uploaded_file = st.file_uploader("上传音乐文件", type="wav")
if uploaded_file:
st.audio(uploaded_file, format='audio/wav')
segment_duration = st.slider("分段处理时长（毫秒）", min_value=1000, max_value=10000, value=5000, step=1000)
frame_rate = st.slider("压缩帧率", min_value=8000, max_value=48000, value=16000, step=1000)
language_choice = st.selectbox("选择语言", ('中文', '英文'))
bu=st.button("识别语音")
if bu:
if uploaded_file:
st.success("正在识别中，请稍等...")
output_audio_path = os.path.basename(uploaded_file.name)
chunked_audio = reduce_noise_segmented(uploaded_file, segment_duration, frame_rate)
# 计算总的音频段数
total_chunks = len(chunked_audio)
if total_chunks>0:
# 创建进度条
progress_bar = st.progress(0)
# 对每个音频段进行降噪并合并
reduced_noise_chunks = []
result_array = []
for i, chunk in enumerate(chunked_audio):
audio_array = chunk.get_array_of_samples()
reduced_noise = reduce_noise(np.array(audio_array), chunk.frame_rate)
reduced_chunk = AudioSegment(
reduced_noise.tobytes(),
frame_rate=chunk.frame_rate,
sample_width=chunk.sample_width,
channels=chunk.channels
)
reduced_noise_chunks.append(reduced_chunk)
language=""
if language_choice=='中文':
language="CN"
else:
language="EN"
path="第"+str(i+1)+"段音频.wav"
reduced_chunk.export(path,format="wav")
while os.path.exists(path):
result = recognition(path, language)
if result:
st.write(f"第{i+1}段音频识别结果：" + result)
result_array.append(result)
break
# 更新进度条的值
progress = int((i + 1) / total_chunks * 100)
progress_bar.progress(progress)
st.write("识别的结果为：","".join(result_array))
keywords = extract_keywords("".join(result_array))
st.write("提取的关键词：", keywords)
text=" ".join(keywords)
wc = WordCloud(font_path="SimSun.ttf",collocations=False, width=800, height=400, margin=2, background_color='white').generate(text.lower())
st.image(wc.to_array(), caption='词云')
# 合并降噪后的音频段
reduced_audio = reduced_noise_chunks[0]
for i in range(1, len(reduced_noise_chunks)):
reduced_audio += reduced_noise_chunks[i]
# 导出处理后的音频文件
reduced_audio.export(output_audio_path,format="wav")
while os.path.exists(output_audio_path):
# 提供处理后音频的下载链接
st.markdown(get_base64_link(output_audio_path, '下载降噪音频'), unsafe_allow_html=True)
break
else:
st.warning("请上传文件")
if __name__ == "__main__":
main()
