base64 :如何使用speech_recognition或其他模块将Python音频字符串转换为文本？

Question

我有像data:audio/mpeg;base64,//OAxAAAAANIAAAAABhqZ3f4StN3gOAaB4NAUBYZLv......这样的base64音频字符串，我试图使用Python中的base64模块将base64转换为wav文件：

    decode_bytes = base64.b64decode(encoding_str)
    with open(file_name + '.wav', "wb") as wav_file:
        wav_file.write(decode_bytes)

然后我尝试使用speech_recognition模块将音频转换为文本，错误如下：

ValueError: Audio file could not be read as PCM WAV, AIFF/AIFF-C, or Native FLAC; check if file is corrupted or in another format

这个问题有解决方案吗？

Answer 1

你的音频文件似乎是来自mime- mp3 - audio/mpeg的类型。您需要将其另存为mp3

decode_bytes = base64.b64decode(encoding_str)
    with open(file_name + '.mp3', "wb") as wav_file:
        wav_file.write(decode_bytes)

并使用pydub或FFmpeg将mp3转换为wav格式，然后将此wav文件提供给speech_recognition模块。