متن گفتار را از ویدیو در پایتون استخراج کنید
موسسه پایا پروژه به عنوان متصدی انجام پروژه پایتون وظیفه ی خود می داند که در راستای آموزش نرم افزار پایتون گام های موثری را بردارد. با توجه به اینکه یک دوره آموزشی پایتون مستلزم تمرین و تلاش بسیار است. اما این موسسه تلاش می کند سهم کوچکی در جهت یادگیری شما داشته باشد.
امروزه، ویدئوها به بخشی جدایی ناپذیر از زندگی ما تبدیل شده اند. ویدیوها به ما آموزش می دهند و اطلاعات لازم را ارائه می دهند. در این پروژه پایتون، نحوه استخراج گفتار متنی از ویدئو با استفاده از پایتون را یاد خواهیم گرفت.
برای استخراج متن گفتاری از ویدیو در پایتون، ما به ماژول های زیر برای نصب نیاز داریم، در اینجا ما از Python PIP برای نصب ماژول های مختلف استفاده می کنیم. .
ماژول Moviepy
ماژول فیلمبرداری در پایتون برای انجام عملیات اساسی روی یک ویدیو استفاده می شود. در فرآیند ویرایش ویدیو برای انجام عملکردهایی مانند برش، افزودن متن، ادغام فیلم ها و بسیاری موارد دیگر استفاده می شود. می توانید ماژول moviepy را با نوشتن دستور زیر در ترمینال خود نصب کنید.
pip install moviepy
توجه: این ماژول به طور خودکار FFmpeg را نصب می کند. با این حال، ممکن است در برخی موارد از شما خواسته شود آن را نصب کنید. برای نصب FFmpeg در Linux و در Windows.
تشخیص گفتار
ماژول تشخیص گفتار در پایتون راه آسانی برای تعامل با گفتار و فایل های صوتی ارائه می دهد. با استفاده از دستور زیر می توانید ماژول SpeechRecognition را در پایتون نصب کنید:
pip install SpeechRecognition
مراحل استخراج متن گفتار از ویدیو در انجام پروژه پایتون
1. ماژول های مورد نیاز را وارد کنید
اولین قدم این است که ماژول های مورد نیاز را وارد کنید، به عنوان مثال، moviepy و speak_recognition.
import moviepy.editor as mpimport speech_recognition as sr
2.ویدیو را بارگذاری کنید
گام بعدی این است که ویدیویی را که میخواهیم استخراج کنیم، بارگیری کنیم. برای این کار از تابع ()VideoFileClip ماژول moviepy استفاده می کنیم.
mp.VideoFileClip(“file_path”)
3.صدا را از ویدیو استخراج کنید
سپس با استفاده از ویژگی audio صدا را از ویدیو استخراج کنید و سپس با استفاده از تابع write_audiofile() فایل ‘.mp4’ را در فایل ‘.wav’ بنویسید.
audio.write_audiofile(“fimename.wav”)
4.بارگیری صدا
فایل صوتی تازه تبدیل شده را با استفاده از تابع ()AudioFile ماژول تشخیص گفتار بارگیری کنید.
:with sr.AudioFile(“geeksforgeeks.wav”) as source
data = r.record(source)
5.تبدیل صدا به متن
مرحله نهایی تبدیل داده های استخراج شده از فرمت صوتی به متن است. این کار را می توان با استفاده از تابع ()شناسایی_google و ارسال داده های استخراج شده به عنوان پارامتر انجام داد.
text = r.recognize_google(data)
پیاده سازی کد در این آموزش نرم افزار پایتون:
اکنون، اجازه دهید اجرای کامل کد در انجام پروژه پایتون برای استخراج متن گفتاری از یک ویدیو در پروژه پایتون را ببینیم. ما geeksforgeeks.mp4 را به عنوان نمونه ویدیویی برای بیان این مشکل در نظر می گیریم. مطمئن شوید که ویدیوی مرتبط در پوشه ای که اسکریپت در آن قرار دارد وجود دارد.
import moviepy.editor as mp
import speech_recognition as sr
Load the video#
video = mp.VideoFileClip(“geeksforgeeks.mp4”)
Extract the audio from the video#
audio_file = video.audio
audio_file.write_audiofile(“geeksforgeeks.wav”)
Initialize recognizer#
()r = sr.Recognizer
Load the audio file
:with sr.AudioFile(“geeksforgeeks.wav”) as source
data = r.record(source)
Convert speech to text#
text = r.recognize_google(data)
Print the text#
print(“\nThe resultant text from video is: \n”)
print(text)
خروجی:
منابع:
