万能君的工具箱是网友开发的一款实用工具集合,其中包括批量音频转文字小工具,目前只有音频转文字的功能,支持批量选取音频转换,不限时长,免费!基于百度AI和pyqt5制作,拥有音频转文字、文字转语音、截图文字识别、批量图片文字识别、复制翻译和图种制作等六项功能。V2.0版更新: 加入免费的音频转文字接口,免费的有普通话、英文、粤语、四川话识别,速度慢些,但准确率还可以。 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。链接:
https://pan.baidu.com/s/1eHuCzBAKtvvSTkHatWzRZA 提取码:usex
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。
比如语音识别key获取可参考此文:
https://jingyan.baidu.com/artic
le/f3e34a12df0cddf5eb65359f.html
然后给出官方地址
语音转文字:
http://ai.baidu.com/tech/speech/asrpro截图文字识别:
http://ai.baidu.com/tech/ocr/general文字转语音:
http://ai.baidu.com/tech/speech/tts复制翻译:
http://fanyi-api.baidu.com/api/trans/product/index
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,如有建议可跟帖回复。
本部分内容设定了隐藏,需要回复后才能看到