分享各种知识，一起学习，一起理解，一起快乐!努力学习，天天向上，知识能量小超人。在妻子之前，他们单位的会议比较多，有的会议时间比较长，会议内容需要审核，所以基本上会议都是记录下来的。但回顾录音往往是一个痛苦的过程，基本上很难找到录音中重要内容所在的位置，有时还会有一些现场讨论，听录音的时间比开会还要长。

一开始遇到这种问题，我在网上找了几个软件做音频文件转文本，要么太贵，要么只支持1分钟试用，最后发现一个勉强能用，准确率也不太高。但这足以满足部分需求。

0

(我之前用过百度的OCR和地图API，每天都有一定的免费次数，不确定其他服务是否也有免费试用的次数，其他云平台也可以多学学，拉羊毛。)

首先，注册一个腾讯云账号，我使用微信绑定银行卡的实名认证。2. 购买9.9录音文件识别资源包(这里正常价格为72元60小时)。

0

购买完成后，发现可用资源包中还有一些免费资源，但是在一个月内到期。

资源包详细信息

0

接口文档

第四，调用接口还需要腾讯云平台SecretId和SecretKey两个信息在个人头像——访问管理——访问密钥——API密钥管理中创建

获取SecretId和SecretKey

创建一个好的SecretId和SecretKey

五、根据API文档调用的接口地址是https://cloud.tencent.com/document/product/1093/37823接口文档，有漏洞，有两种方式将录音文件上传到云平台：

1. 通过网络URL地址，前提是你的文件在网络上有一个可公开访问的URL，这里限制文件不超过512M，上市时间不超过5小时

2. 直接通过请求体发送，将文件限制在5M以内(我只是想问一下，5M里面可以放什么？)

参数要求

由于我手上的文件有4个多小时，140多米，我觉得我不能压缩到5米以下，所以我放弃了第二种方式。

一开始我想把文件放到云盘或者网盘上，发现上传后没有云盘和网盘可以直接访问，无论是登录还是输入提取码。

最后，我没有办法在我的华为云ECS中安装nginx，我做了一个简单的文件服务器，将文件传输到服务器上，并获得一个可以直接访问录音文件的URL

简单文件服务器

调用的方式比较简单，参考文档上的接口参数列表，以及github上的调用示例，或者腾讯云提供的API Explorer工具，我使用的是Python版本。

接口文档

API资源管理器示例

在github上调用描述

参考地址：

录音文件文本API地址：https://cloud.tencent.com/document/product/1093/37823

API Explorer地址：https://console.cloud.tencent.com/api/explorer?product=asrversion=2019-06-14action=createrectasksignversion=

Python调用腾讯云平台介绍：https://cloud.tencent.com/document/sdk/python

制作云平台API和腾讯文档：https://github.com/tencentcloud/tencentcloud-sdk-python

具体代码的前期工作完成后，代码其实比较简单，主要使用两个接口，一个发送转换任务，另一个查询转换任务的结果

1. 提交转换任务

从tencentcloud.asr导入tencentcloudsdkexception。v20190614导入asr_client, Modelstry: # cred。=凭据EnvironmentVariableCredential () get_credential (cred)=凭据证书('您的SecretId '， '您的SecretKey ')客户端=asr_client。AsrClient (cred，' the ap - Shanghai ')=model。CreateRecTaskRequest () params={' Action ': 'CreateRecTask'，'Version': '2019-06-14'，' engineemodeltype ': '16k_zh'，'ChannelNum': 1，'ResTextFormat': 0，'SourceType': 0，'Url': 'http:/files/Chen: m4a'}的网络地址。From_json_string (json。dump (params) resp=client.CreateRecTask(req)print(resp.to_json_string())除了TencentCloudSDKException为err:print(err)

api说，您可以通过设置环境变量来设置TENCENTCLOUD_SECRET_ID和TENCENTCLOUD_SECRET_KEY的值。然后通过cred=凭据。EnvironmentVariableCredential () get_credential初始化()，但我尝试了初始化失败，没有发现问题在哪里，是直接初始化写死两个值。

2. 查询转换结果

从tencentcloud.common.exception.tencent_cloud_sdk_exception . import TencentCloudSDKExceptionfrom tencentcloud.asr. import jsonfrom tencentcloud.commonV20190614导入asr_client, modelstry:cred=credential。凭证('您的SecretId'， '您的SecretKey')endpoint='asr.tencentcloudapi.com' ClientProfile=ClientProfile() ClientProfile。httpProfile=httpProfileclient=asr_client。AsrClient(cred， "， clientProfile)req=models. descripbetaskstatusrequest ()params={'Action': ' descripbetaskstatus '，'Version': '2019-06-14'，'TaskId':您的任务id，此值是上一个接口返回的消息}req.from_json_string(json.dumps(params))resp=client. descripbetaskstatus (req)print(resp.to_json_string())除了TencentCloudSDKException为err:print(err)

转换首先执行第一个方法并返回任务

{'Data': {'TaskId': *********}, 'RequestId': '*******************'}

这里我要用*，它会返回实际的数字

执行第二个方法后，将返回状态码0，并且状态正在等待(可能需要1个多小时)。我不确定实际的执行时间，因为没有培训轮换或回调。过了6、7个小时后，我起床重新运行第二种方法，发现执行已经完成(实际执行时间应该不会那么长)。

附加部分执行结果(实际返回值有n个换行字符，需要在word中手动替换为^p个换行字符)

部分转换结果

利用单词统计，将4个多小时的语音文件转换成6w个单词，准确率基本OK，也就是说，“学钢琴”我听不懂是什么意思，可能是口音比较重，没有转换成功。

字数

实际上，在转换参数中有一些选项可以进行转换，例如：

是否开启说话人分离，要分离的说话人数量，是否进行阿拉伯数字的智能转换，是否过滤脏词，是否过滤标点符号，是否过滤情态词等

转换完成后，我看了看资源包，优先扣除的是部分礼品资源，即购买的60小时还在。后来考虑写一个简单的GUI界面，好用，再加上自动上传音频文件的功能就完美了。

自己调整API转换更便宜，而且质量有保证。

只写有趣的、有思想的、有意义的百科全书。关注身边的小事，关注生活大事想知道的一切，关注百科小百科。