轉錄音訊的原因有很多，包括獲取歌詞、創建隱藏式字幕或保留會議的文字檔案。手動轉錄文字可能是一件很麻煩的事情，但幸運的是，在 Python 和 Google 語音辨識的幫助下，我們可以快速輕鬆地完成這件事。
Google 語音辨識是一項基於雲端的服務，可使用先進的機器學習模型將口語轉換為書面文字。它經常更新，支援多種語言和方言，可以即時處理音頻，並且您可以使用 API 將其整合到您的專案中。
在我們開始建立音訊轉錄腳本之前，您需要確保您的電腦上安裝了 Python 並且您知道如何執行腳本。如果您需要協助，我們在 GeekSided 提供了幾個初學者程式設計項目，可以幫助您入門。
在最後給您完整的程式碼之前，我們將查看程式碼的每個部分以解釋其工作原理。
要使用 Google 語音識別，您需要在命令提示字元中使用此命令在 Python 中安裝它，這也將安裝 pydub，一個用於操作音訊的庫：
pip install pydub 語音識別
導入庫
我們腳本的第一部分將導入我們需要的庫，其中包括我們剛剛安裝的兩個庫。作業系統庫是預先安裝的，將幫助我們將文字寫入檔案中，以便我們可以儲存它。
將語音辨識匯入為 sr
從 pydub 導入 AudioSegment
導入作業系統
載入和轉換音頻
接下來，我們將建立一個函數來載入檔案並將其轉換為 WAV 格式（如果檔案尚未採用該格式）。
def transcribe_audio(檔名):
嘗試：
# 載入音訊文件
音訊 = AudioSegment.from_file(file_name)
除了異常 e：
print(f"載入音訊檔案時發生錯誤：{e}")
返回
嘗試：
# 匯出為WAV格式
wav_file_name = file_name.replace(file_name.split('.')[-1], 'wav')
音訊.匯出（wav_檔名，格式=“wav”）
除了異常 e：
print(f"轉換為 WAV 時發生錯誤：{e}")
返回
轉錄音訊
現在，我們將添加分析音訊、轉錄單字並將其列印到文件中以進行安全儲存的程式碼。
嘗試：
# 使用speech_recognition來轉錄音頻
識別器 = sr.Recognizer()
以 sr.AudioFile(wav_file_name) 作為來源：
audio_data = 識別器.record(來源)
轉錄 = recognizer.recognize_google(audio_data)
print(f"轉錄：\n{轉錄}")
# 將轉錄儲存到文字文件
text_file_name = file_name.replace(file_name.split('.')[-1], 'txt')
將 open(text_file_name, 'w') 作為 text_file:
text_file.write（轉錄）
print(f"轉錄已儲存至 {text_file_name}")
除了 sr.UnknownValueError：
print(“抱歉，音訊不夠清晰，無法轉錄。”)
除了 sr.RequestError 為 e：
print(f"無法從 Google 語音辨識服務請求結果；{e}")
使用者輸入和執行
最後，我們添加程式碼，要求我們輸入要轉錄的音訊檔案的名稱，對於這個項目，該名稱需要與腳本位於同一目錄中。
如果 __name__ == "__main__":
file_name = input("輸入音訊檔案名稱（附副檔名）：")
如果 os.path.exists(檔名):
轉錄音訊（檔案名稱）
別的：
print(f"檔案 {file_name} 不存在。")
input("按回車鍵退出...")
將語音辨識匯入為 sr
從 pydub 導入 AudioSegment
導入作業系統
def transcribe_audio(檔名):
嘗試：
# 載入音訊文件
音訊 = AudioSegment.from_file(file_name)
除了異常 e：
print(f"載入音訊檔案時發生錯誤：{e}")
返回
嘗試：
# 匯出為WAV格式
wav_file_name = file_name.replace(file_name.split('.')[-1], 'wav')
音訊.匯出（wav_檔名，格式=“wav”）
除了異常 e：
print(f"轉換為 WAV 時發生錯誤：{e}")
返回
嘗試：
# 使用speech_recognition來轉錄音頻
識別器 = sr.Recognizer()
以 sr.AudioFile(wav_file_name) 作為來源：
audio_data = 識別器.record(來源)
轉錄 = recognizer.recognize_google(audio_data)
print(f"轉錄：\n{轉錄}")
# 將轉錄儲存到文字文件
text_file_name = file_name.replace(file_name.split('.')[-1], 'txt')
將 open(text_file_name, 'w') 作為 text_file:
text_file.write（轉錄）
print(f"轉錄已儲存至 {text_file_name}")
除了 sr.UnknownValueError：
print(“抱歉，音訊不夠清晰，無法轉錄。”)
除了 sr.RequestError 為 e：
print(f"無法從 Google 語音辨識服務請求結果；{e}")
如果 __name__ == "__main__":
file_name = input("輸入音訊檔案名稱（附副檔名）：")
如果 os.path.exists(檔名):
轉錄音訊（檔案名稱）
別的：
print(f"檔案 {file_name} 不存在。")
input("按 Enter 退出...")
