本地视频中的SFSpeechRecognizer

Question

我正在尝试从视频中实现语音转录(语音到文本)。我的方法是将其分解为三个步骤：

1. 将视频转换为音频文件(m4a/mp3)
2. 用音频文件url
3. Prase将音频传递给SFSpeechRecognizer请求结果

我的问题是，我还没有找到将原始视频文件(比如.mov)转换为仅音频文件的方法。视频的AVAsset本身没有任何音频音轨，但在播放文件时仍然有音频(因此它确实存在)。

我想，如果我能解决第一步，那么2+3是微不足道的，所以我的问题是-什么是最好的方式将一个视频文件转换成一个音频文件，然后我可以用来转录。

Answer 1

您可以使用FFmpegKit库提取视频的音频部分。

库示例：https://github.com/tanersener/ffmpeg-kit/tree/main/apple#3-using

提取音频的ffmpeg命令示例：https://stackoverflow.com/a/27413824/5707560