百度AI人工智能輔助程序的開發(fā)實踐

傅 駿 傅馨竹 龍輝陽 蒲麗旭 熊子淇，3 張峻寧

(1.四川工程職業(yè)技術(shù)學(xué)院材料工程系，四川 德陽 618000；2.德陽市岷山路小學(xué)，四川 德陽 618000；3.西華大學(xué)，四川 成都 610039)

百度AI提供了“語音識別”功能，能夠?qū)⑤斎氲恼Z音精準(zhǔn)識別為文字，支持普通話、英語、粵語、四川話等。輸入的語音支持四種格式：pcm、wav、amr、m4a，僅支持16000的采樣率。由于百度語音識別底層識別使用的是pcm，因此推薦直接上傳pcm文件。如果上傳其他格式，百度服務(wù)端會將非pcm格式轉(zhuǎn)為pcm格式，因此使用wav、amr、m4a會有額外的轉(zhuǎn)換耗時[1]。

目前流行的音頻視頻格式轉(zhuǎn)化軟件很多，但尚無合適的轉(zhuǎn)化為pcm格式的軟件。項目組利用VB，結(jié)合ffmpeg函數(shù)開發(fā)了“獲得pcm利器”，實現(xiàn)了mp4-mp3-pcm格式的轉(zhuǎn)換，輔助用戶使用百度AI人工智能技術(shù)。

1 開發(fā)工具

1.1 ffmpeg

FFmpeg采用LGPL或GPL許可證，提供錄制、轉(zhuǎn)換以及流化音視頻的完整解決方案，它包含了音頻/視頻編解碼庫libavcodec。在cmd窗口中輸入命令可以實現(xiàn)錄制和轉(zhuǎn)換。

1)ffmpeg從視頻中抓取部分音頻的命令

要留下aa.mp4視頻中10-80秒的聲音，并將結(jié)果保存為bb.mp3的命令是，

ffmpeg-ss 0-i aa.mp4-strict-2-af atrim=10：80 bb.mp3

2)聲音格式轉(zhuǎn)換

要將bb.mp3轉(zhuǎn)換成采樣率為16000的cc.pcm格式，命令是，

ffmpeg-y-i bb.mp3-acodec pcm_sl6le-f s16le-ac 1-ar 16000 cc.pcm

1.2 Shell函數(shù)

VB由Microsoft公司開發(fā)，是基于對象的程序設(shè)計語言，其最大優(yōu)點(diǎn)是可以方便快捷地開發(fā)圖形用戶界面 (GUI)。其內(nèi)部函數(shù)Shell可以調(diào)用外部可執(zhí)行的exe程序，返回一個變量Variant(Double)。Shell的命令格式是[2]，

flag=Shell(PathName[，WindowStyle])

2 開發(fā)實踐

將ffmpeg文件放在VB工程的同一目錄下。

2.1 界面設(shè)計

在界面上添加了通用對話框CommonDialog、框架Frame、命令按鈕Command、影音播放器WindowsMediaPlayer、標(biāo)簽Label、文本框Text、單選按鈕Option等。通用對話框選擇音頻視頻文件、標(biāo)簽提示用戶操作、按鈕與文本框控制轉(zhuǎn)換時長、命令按鈕實現(xiàn)格式轉(zhuǎn)換等功能。

將界面分區(qū)，左邊是影音播放區(qū)，右邊由2個框架Frame組成，分別實現(xiàn)視頻mp4文件轉(zhuǎn)mp3、音頻文件轉(zhuǎn)pcm。在視頻文件轉(zhuǎn)mp3框架中，還設(shè)置了單選按鈕option，使用戶可以從4種方式，選擇截取視頻文件的時間段：全部、從開始到指定時刻、從某個時刻到結(jié)束、指定開始和結(jié)束時刻。

2.2 選擇音頻或視頻文件

通用對話框CommonDialog打開“打開”對話框，并且只顯示音頻、視頻格式，如mp3、mp4、avi、wmv等格式的文件，選擇文件后，讀取文件名稱與路徑，顯示在標(biāo)簽lblMP3名稱上。代碼是，

CommonDialog1.Filter =“全部文件|*.*|mp4視頻文件|*.mp4|avi視頻文件|*.avi|wmv視頻文件|*.wmv|mpg視頻文件|*.mpg”

CommonDialog1.ShowOpen

她低著頭站在角落里，劉海混合著汗水彎彎曲曲地貼在額頭上，偌長的漆黑睫毛蓋過眼睛，她緊抿著嘴唇，飽滿的雙唇似乎過度隱忍著情緒，呈現(xiàn)出神秘的紫色，白大褂被扯破了大半，似一張哭泣的人臉，狼狽不堪。

2.3 視頻轉(zhuǎn)mp3

讀取單選按鈕與文本框的值，將需要的視頻轉(zhuǎn)換時長存放在變量shipinwenjian中。代碼是，

Mp4to3= Shell(App.Path + “ffmpeg-ss 0-i” + shipinwenjian +“-strict-2-af atrim=0：” + lblMP3名稱，1)

2.4 mp3轉(zhuǎn)pcm

讀取文件路徑y(tǒng)inpinwenjian與lblpcm名稱，將mp3轉(zhuǎn)換為pcm格式。代碼是，

Mp3topcm = Shell(App.Path + “ffmpeg-y-i ” + yinpinwenjian +“-acodec pcm_s16le-f s16le-ac 1-ar 16000” + lblpcm名稱，1)

2.5 轉(zhuǎn)換后文件的保存

1)修改文件路徑與文件名

默認(rèn)mp4轉(zhuǎn)換后生成的mp3文件，保存在mp4同一個目錄下，其名稱與mp4相同。mp3轉(zhuǎn)換為pcm亦然。修改的代碼是，CommonDialog1.ShowSave

2)判斷文件是否存在及處理

用Dir(lblpcm名稱) <> ""判斷要生成的mp3文件與pcm文件是否存在。如果要覆蓋文件，則用命令kill刪除文件后，再重新生成。

設(shè)計好的程序運(yùn)行見圖1，對mp3、pcm的保存路徑和文件名進(jìn)行了修改，不與mp4一致。

圖1 “獲得pcm利器”運(yùn)行界面

本程序也可以直接選擇mp3文件，轉(zhuǎn)化為pcm格式。

3 結(jié)束語

ffmpeg命令轉(zhuǎn)換為pcm格式功能強(qiáng)大，但對用戶的計算機(jī)水平有一定要求。項目組運(yùn)用VB的Shell函數(shù)功能，調(diào)用ffmpeg功能，實現(xiàn)了對mp4部分截取后轉(zhuǎn)換成mp3、mp3轉(zhuǎn)換為pcm格式，為使用百度AI的“語音識別”功能提供了輔助，受到了使用者的歡迎。利用該輔助功能開發(fā)的“百度人工智能語音技術(shù)”小程序獲得學(xué)院科技節(jié)二等獎。