问题

各大平台都有长语音转写的服务，但是收费昂贵，而且有次数和时间限制。
因此我想到了一个白嫖的好办法。将长音频根据语句停顿切割得到短音频，使用他们提供的短音频识别服务来识别长音频不是更好吗？粗略计算了下，可以使用的时长为50000分钟，（提供的短音频识别服务次数以及时长远大于长音频）白嫖。
至于视频声音的停顿时间也是很容易得到的。
最后根据文字与文字出现的时间很容易就得到了视频的srt字幕

解决

工程路径：https://download.csdn.net/download/lidashent/15453846
注意字幕导出的地址，自己修改一下，原理都讲清楚了，有需求根据自己的需求改就行了。
有疑问留言，我必解释好吧

思路

1. 导出视频声音，根据声音停顿得到短句，同时导出短句的时间信息
2. 将长音频切割得到的多个短句文件分别进行语音识别，得到识别文字
3. 识别得到的文字与短句的时间信息处理得到视频srt字幕文件
   导入srt字幕文件即可得到效果，如图
   播放器推荐暴风影音或者迅雷，文字可以调节变色，大小，位置都比较方便。
   
   原先视频是没有字幕的，经过上述处理得到srt文件就如同看字幕电影一样了。
   得到的srt文件如图
   
   接下来就一步一步开始吧，srt文件格式原理是什么，看我另一篇有关视频声音转为字幕的。那篇使用的长录音转文字接口，优惠力度不大，用几次就没了，所以特意写了这一篇可以白嫖而且时间非常长的，用个几个月都没有问题。
   只需要关注srt格式就可以了
   https://blog.csdn.net/lidashent/article/details/113987349

导出音频分片，导出音频时间信息

先将视频声音导出，设定标准为16bit,8000hz,这里使用的au,adobe audition
（—解释—：）【这是短语音识别要求的】
（—解释—：）【这里需要注意的是，虽然切片对人声进行了保留，但是不乏切割到的音频有的是空白，因此需要一个大小判断，低于100kb可以默认为无声，当然条件自己设定吧】

自动识别停顿，对声音切片

效果-诊断-标记音频
设置静默阈值，时长越低分片越多，反向同理
声音阈值，时长越长，分片越少，反向同理
设置合适的阈值，注意自动分割的音频片，极限60s，最好不要超过45s
有音频片长度过长也不行，影响字幕观看，你不想看视频的时候视频上都是字幕吧？我一般看到分片间隔差不多10s就够了，这意味着10s左右会自动切换到下一个视频字幕信息
然后点击扫描，
再点击全部标记，就会显示灰色的标记信息

点击到标记条，可以看到分片信息，
ctrl a全选，然后右键选择导出音频，导出csv

得到声音的发音时间，得到这段发音时间内的音频

编写函数，对语音分片实现语音识别，得到文字信息

import os
from aip import AipSpeech#这是百度的aip包,
def get_need_music_file(file_path):file_list=os.listdir(file_path)real_list=[]for i in file_list:if i[-3:]=="wav":real_list.append(i)real_name_sort=sorted(real_list)file_real=[]for i in real_name_sort:new_path=file_path+"\\"+iif os.path.getsize(new_path)/1024<100:passelse:file_real.append(new_path)return file_real
def get_txt(file_music):#百度语音的id，key,申请一个，5万条呢APP_ID = ''API_KEY = ''SECRET_KEY = ''client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)get_voice_file = open(file_music, "rb")voice_text = get_voice_file.read()# try:result = client.asr(voice_text, 'wav', 16000, {'dev_pid': '1537', })# print(result)if result['err_no'] == 0:return result['result'][0]else:return "识别错误"

对csv文件处理，得到编写srt文件需要的信息

import time_format
import datetime
def get_csv_info(file_path):a=open(file_path,'r', encoding='UTF-8')basic_data=a.read()b=basic_data.split("\n")b=b[1:]music_name=[]music_start=[]music_ed=[]for i in b:if i:new_list=i.split("\t")# print(new_list)music_name.append(new_list[0])start_time,stop_time=time_format.get_start_stop_time(new_list[1],new_list[2])music_start.append(start_time)music_ed.append(stop_time)dic_name_to_start=dict(zip(music_name,music_start))dic_start_to_long=dict(zip(music_start,music_ed))return dic_name_to_start,dic_start_to_long
def split_txt(a):flag_word=["，","。","？","！"]basic_line=28basic_step=10word=""loc_rec=0len_rec=len(a)temp_data=awhile(len_rec>basic_line+basic_step):a=temp_data#设定的基础线会影响语句长度显示for i in flag_word:if i in a[basic_line:basic_line+basic_step]:temp_len=a[basic_line:basic_line+basic_step]loc_rec=temp_len.index(i)breakword=word+a[:basic_line+loc_rec+1]+"\n"temp_data=a[basic_line + loc_rec+1:]print(temp_data)len_rec=len(temp_data)return word+temp_data
def make_srt(myword,file_name):# nowTime_str = datetime.datetime.strftime(datetime.datetime.now(), '%Y-%m-%d %H-%M-%S')path_file = r"C:\Users\Administrator.DESKTOP-KMH7HN6\Desktop\video_text\%s.srt" % (file_name)f = open(path_file, 'w')f.write(myword)f.write('\n')f.close()print('已经识别完成，见%s.srt文件'%(file_name))input("按任意键结束")

处理时间格式的代码

# coding=utf-8
def time_format(a):basic_format="00:00:00,000"a=a.replace(".",",")temp=a.split(",")[1]if len(temp)<3:a=a.split(",")[0]+",0"+tempbasic_format_len=len(basic_format)if len(a)<basic_format_len:a=basic_format[:-len(a)]+areturn a
def get_hmsmil(a):mymillis_a=int(a.split(",")[1])hms_a_basic=a.split(",")[0].split(":")mys_a=int(hms_a_basic[2])mym_a=int(hms_a_basic[1])myh_a=int(hms_a_basic[0])return myh_a,mym_a,mys_a,mymillis_a
def judg_over(a,b,over):c=int((a+b)/over)return c,a+b-over*c
def get_format_time(num):if len(str(num))>1:return str(num)else:return "0"+str(num)
def get_end_time(a,b):a_h,a_m,a_s,a_ms=get_hmsmil(a)b_h,b_m,b_s,b_ms=get_hmsmil(b)c_h,c_m,c_s,c_ms=get_hmsmil(a)flag_s_change=0num_wave=0#数据溢出的波动if judg_over(a_ms,b_ms,1000)[0]>0:c_s=judg_over(a_ms, b_ms, 1000)[0]+a_sc_ms=judg_over(a_ms, b_ms, 1000)[1]flag_s_change=1else:c_ms=a_ms+b_msflag_m_change=0#如果s改变了#判断分钟是否因此发生改变if judg_over(c_s, b_s, 60)[0] > 0:#分钟改变了，重新得到新的分钟,秒也会因此改变c_m=judg_over(c_s, b_s, 60)[0]+a_mprint(c_m)c_s=judg_over(c_s, b_s, 60)[1]flag_m_change=1else:#否则c_s=c_s+b_sflag_h_change=0#检测分钟是否发生变化if judg_over(c_m, b_m, 60)[0] > 0:#分钟改变了，重新得到新的小时,分钟也会因此改变c_h=judg_over(c_m, b_m, 60)[0]+a_hc_m=judg_over(c_m, b_m, 60)[1]flag_h_change=1else:#否则c_m=c_m+b_mc_h=c_h+b_hreturn c_h,c_m,c_s,c_ms
def get_start_stop_time(a,b):a=time_format(a)b=time_format(b)ed=get_end_time(a,b)end_time="%s:%s:%s,%s"%(get_format_time(ed[0]),get_format_time(ed[1]),get_format_time(ed[2]),\get_format_time(ed[3]))return a,end_time

主文件调用，并主导srt文件生成

# coding=utf-8
import sys
import time
sys.path.append(r"C:\Users\Administrator.DESKTOP-KMH7HN6\AppData\Local\Temp\python_pgm\video_text\baidu")
import csv_info
import time_format
import voice_be_text
import datetime
#如果不输入音频路径，则选择默认路径，其他同理
music_file_path=input("音频路径：").replace("\\",'/')
if music_file_path:pass
else:music_file_path=r"C:\Users\Administrator.DESKTOP-KMH7HN6\Desktop\adobe\au\music_temp"
csv_file_path=input("csv路径：").replace("\\",'/')
if csv_file_path:pass
else:csv_file_path=r"C:\Users\Administrator.DESKTOP-KMH7HN6\Desktop\adobe\au\music_temp\csv_temp\标记.csv"
srt_file_name=input("srt文件命名：")
#如果不为要生成的srt文件命名，则根据时间自动命名
if srt_file_name:pass
else:nowTime_str = datetime.datetime.strftime(datetime.datetime.now(), '%Y-%m-%d %H-%M-%S')srt_file_name=nowTime_str
my_csv_name,my_csv_start=csv_info.get_csv_info(csv_file_path)
print(my_csv_name)
print(my_csv_start)
real_music=voice_be_text.get_need_music_file(music_file_path)
print(real_music)
all_len=len(real_music)
#已根据大小过滤空白的音频文件
print("无效音频已过滤，当前音频切割%d个，开始识别..."%(all_len))
i_num=1
error_file=0
global all_srt
all_srt=""
def put_txt_srt(i,myword,num):global all_srtfile_name = i.split("\\")[-1][:-4]print(file_name)mystart_time=my_csv_name[file_name]mystop_time=my_csv_start[mystart_time]newword = str(num)+"\n"+mystart_time + " --> " + mystop_time + '\n' + csv_info.split_txt(myword) + "\n\n\n"all_srt+=newword
for i in real_music:print(i)time.sleep(1)word_result=voice_be_text.get_txt(i)# word_result ="aaaaaaaaaaaaa"*3if word_result!="识别错误":put_txt_srt(i,word_result,i_num)else:error_file+=1print("\n"+"--"*30+"已经完成了%.2f"%(i_num*100/all_len)+"--"*20)i_num+=1
print(all_srt)
# all_srt="""00:01:02,430 --> 00:01:03,610
# 庄 你这次再把轮胎弄坏"""
print("输出完成，共有音频切割%d个，识别错误%d个"%(all_len,error_file))
csv_info.make_srt(all_srt,srt_file_name)

输出会附带进度信息。
得到srt文件导入对应视频就可以看到字幕效果了。