最新音频转文字独立版本,bug更少,支持格式更多,欢迎体验。王华:音频转文字工具,完全免费,自己用Python写的!​zhuanlan.zhihu.comv2-4404b0ce843b40c897f5123ecff53b8f_180x120.jpg

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。

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。

然后给出官方地址

注意申请完,在key界面如下点击领取哈:

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,如有建议可查看关于软件,有交流QQ群。

下载链接

Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐