关灯
开启左侧

用python写了个小工具合集,包括图片、语音识别等【转】

[复制链接]
哥不帅但很坏 发表于 2019-6-26 21:44:14 | 显示全部楼层 |阅读模式 打印 上一主题 下一主题
 
一、需求分析:

1、音频转文字:目前市面上的音频转文字大多收费。音频转文字的需求是:上传一段音频,直接识别成文字,对于会议记录的比较好使,注意不是实时的语音识别。

2、文字转语音:转的语音不要太生硬。

3、截图文字识别(OCR):截屏完成即可弹出截图所含图片中的文字。

4、批量图片文字识别:选择多张图片,直接识别出每张图片的文字。

5、复制翻译:看英文文献,有时候懒,如果能有置顶悬浮窗,实时监测剪切板,遇到想要翻译的段落,直接复制,即可给出多国语言翻译结果也是刚需;当然有些论文文本不能复制,所以还复用了截图OCR的功能,对OCR结果进行翻译。

6、图种制作:这个不入流,纯属个人爱好,没啥技术含量。


二、工具展示

需求产生开发动力,基于百度AI和pyqt5制作了自己的小工具,解决了上述所有需求,需求也就就是功能了。

1、批量音频转文字


可批量选择要转换的音频即可自动识别,不限时长,免费,识别速度尚可,耐心等待。

(1)比如批量识别小学生课文



(2)比如识别长达五分钟的《荷塘月色》


(3)识别岳云鹏的相声


2、文字转语音
这个没什么好说的,输入文字,选择发音人、语速、音调之类的,可试听,可生产mp3格式的音频文件。



3、截图OCR

点击截图按钮即可截图,自动弹出识别文字。如下动图演示,也是个初版,界面简陋。




4、图片批量识别

在截图OCR下拉按钮有个图片批量文字识别功能,这都属于OCR功能,简单粗暴,批量选择图片,即可识别所有图片中的文字。如下动图演示:





5、复制翻译
看英文文献,有时候懒,如果能有置顶悬浮窗,实时监测剪切板,遇到想要翻译的段落,直接复制,即可给出多国语言翻译结果也是刚需;当然有些论文文本不能复制,所以还复用了截图OCR的功能,对OCR结果进行翻译。如下演示:



6、图种制作
没啥意思,就是将一张图和一个压缩文件合并成一个图片文件,这个生成的图片文件打开是一张图,如果后缀修改为zip,解压后就能看到原先的压缩文件,不做演示了。



三、软件使用
1、下载解压直接运行即可,注意运行弹出的黑窗不能关,目前还没办法去掉,o(╯□╰)o。链接:https://pan.baidu.com/s/1eHuCzBAKtvvSTkHatWzRZA 提取码:usex

2、主界面参数配置,自己动手,输入百度AI的各种接口的key。各种key的获得方法免费,只不过注意免费次数,不过百度免费次数给的肯定够用了。


比如语音识别key获取可参考此文:https://jingyan.baidu.com/article/f3e34a12df0cddf5eb65359f.html


然后给出官方地址


语音转文字:http://ai.baidu.com/tech/speech/asrpro
截图文字识别:http://ai.baidu.com/tech/ocr/general
文字转语音:http://ai.baidu.com/tech/speech/tts

复制翻译:http://fanyi-api.baidu.com/api/trans/product/index






四、注意事项:


软件做的仓促,界面简陋,且各种未知bug再所难免

下载
链接https://pan.baidu.com/s/1eHuCzBAKtvvSTkHatWzRZA 提取码:usex

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

 
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

排行榜

关注我们:QQ交流群

官方微信

APP下载

全国服务热线:

4000-888-888

公司地址:上海市嘉定区

运营中心:上海市嘉定区百达国际大厦25楼

邮编:200000 Email:admin@mr-techno.com

Copyright   ©2015-2018  先森科技Powered by©Discuz!技术支持:先森科技    ( 浙ICP备18046157号-1 )|网站地图