音声(mp3)のセンテンスのテキスト出力及び各センテンスのmp3出力(python,windows10)

[F:\英語の学習-実習\mp3-2-text\t1-mp3-to-sentense-mp3.py](作業場所)

■音声(mp3)のセンテンスのテキスト出力及び各センテンスのmp3出力の試み
上手くいかない場合があります。
改善が必要ですが覚書として記録したものです。

import speech_recognition as sr

from pydub import AudioSegment

from pydub.silence import split_on_silence

import os

# 一括でファイル名を定義

mp3_file = "practice.mp3"

wav_file = "converted.wav"

# ディレクトリ部分とファイル名部分に分ける

basename, ext = os.path.splitext(mp3_file)

#print(basename)     # "practice"

#print(ext)          # ".mp3"

dir_name, file_name = os.path.split(mp3_file)

#print(dir_name)     # 空文字列 ""

#print(file_name)    # "practice.mp3"

# ファイル名から拡張子を除去

tmp2 = os.path.splitext(file_name)[0]  #"practice"

txt_file = tmp2 + "/" + tmp2 + ".txt" #"practice/practice.txt"で保存

directory = os.path.dirname(txt_file) #"practice"

# ディレクトリが存在しない場合は作成

if not os.path.exists(directory):

    os.makedirs(directory)

# 無音の長さ（秒単位）を設定（チャンク同士の間隔）

#silence_duration = 2  # 1 デフォルトの無音時間（秒）

silence_duration = 1  #1 英文のチャンク間の無音時間

# MP3ファイルをWAVに変換する

sound = AudioSegment.from_mp3(mp3_file)

sound.export(wav_file, format="wav")

# 音声タイプを選択 ('e-only' for 英文だけ, 'j-only' for 和訳だけ)

audio_type = 'e-only'  # 'e-only' または 'j-only' に設定

# 無音を作成する関数

def generate_silence(duration_sec):

    return AudioSegment.silent(duration=duration_sec * 1000)  # ミリ秒に変換

# 音声ファイルを分割する（無音部分で区切る）

def split_audio(file_path):

    sound = AudioSegment.from_wav(file_path)

    chunks = split_on_silence(

        sound,

        min_silence_len=1200,  # 500->1200無音とみなす最小の長さ（ミリ秒）[この値を適宜変更]

        silence_thresh=sound.dBFS - 14,  # 無音とみなす音の閾値

        keep_silence=500  # 各チャンクの先頭と末尾に無音を残す（ミリ秒）

    )

    return chunks

# 文章の末尾に句点やピリオドを追加し、英文をキャピタライズする関数

def format_sentence(sentence, is_english=False):

    sentence = sentence.strip()  # 余分なスペースを削除

    if is_english:

        sentence = sentence.capitalize()  # 英文の先頭を大文字に変換

        if sentence and sentence[-1] not in ['.', '?', '!', '。', '？', '！']:

            sentence += '.'  # 英文の文末にピリオドを追加

    else:

        if sentence and sentence[-1] not in ['。', '？', '！']:

            sentence += '。'  # 和訳の文末に句読点を追加

    return sentence

# 音声認識の準備

recognizer = sr.Recognizer()

# WAVファイルをチャンクごとに分割

audio_chunks = split_audio(wav_file)

# 変換したテキストを保存するリスト

recognized_sentences = []

# 各チャンクをテキストに変換

chunk_files = []  # 生成されたチャンクファイルのリスト

for i, chunk in enumerate(audio_chunks):

    chunk_filename = f"chunk{i}.wav"

    # 各チャンクを保存

    chunk.export(chunk_filename, format="wav")

    chunk_files.append(chunk_filename)  # 作成されたチャンクファイルをリストに追加

    

    with sr.AudioFile(chunk_filename) as source:

        audio = recognizer.record(source)

    

    # 音声をテキストに変換

    try:

        # 音声の種類に応じて処理を変更

        if audio_type == 'e-only':

            # 英文の場合

            text = recognizer.recognize_google(audio, language="en-US")

            formatted_sentence = format_sentence(text, is_english=True)

        elif audio_type == 'j-only':

            # 和訳の場合

            text = recognizer.recognize_google(audio, language="ja-JP")

            formatted_sentence = format_sentence(text, is_english=False)

        

        # 認識結果をリストに追加

        recognized_sentences.append(formatted_sentence)

    except sr.UnknownValueError:

        print(f"チャンク{i} は認識できませんでした。")

    except sr.RequestError as e:

        print(f"Googleサービスへのリクエストに失敗しました; {e}")

# TXTファイルに書き込む処理

with open(txt_file, mode='w', encoding='utf-8') as txtfile:

    for sentence in recognized_sentences:

        txtfile.write(sentence + '\n')

print(f"出力が完了しました。結果は {txt_file} に保存されました。")

# 生成された各チャンクファイルをMP3に変換する

# ファイル名はmp3_fileのbasenameに"-"と3桁の連番を付ける。例 practice-001.mp3

output_dir=directory

# ディレクトリが存在しない場合は作成

if not os.path.exists(output_dir):

    os.makedirs(output_dir)

# 各チャンクファイルをMP3に変換して保存

for i, chunk in enumerate(audio_chunks):

    mp3_filename = f"{basename}-{i+1:03d}.mp3"  

    output_path = os.path.join(output_dir, mp3_filename)  # ディレクトリに保存

    

    # チャンクをMP3として保存

    chunk.export(output_path, format="mp3")

    print(f"{output_path} に保存されました。")

# 生成されたWAVファイルを削除

if os.path.exists(wav_file):

    os.remove(wav_file)

    print(f"{wav_file} を削除しました。")

# 生成されたチャンクファイルを削除

for chunk_file in chunk_files:

    if os.path.exists(chunk_file):

        os.remove(chunk_file)

        print(f"{chunk_file} を削除しました。")

ファイルからテキストを読み込み、文字数を数える関数(python)

# ファイルからテキストを読み込み、文字数を数える関数

def count_characters_in_file(file_path, language="mixed"):

    with open(file_path, 'r', encoding='utf-8') as file:

        text = file.read()

    

    if language == "english":

        # 英語専用：アルファベットのみをカウント

        english_text = ''.join([char for char in text if char.isalpha()])

        return len(english_text)

    elif language == "japanese":

        # 日本語専用：ひらがな、カタカナ、漢字をカウント

        japanese_text = ''.join([char for char in text if '\u3040' <= char <= '\u30FF' or '\u4E00' <= char <= '\u9FFF'])

        return len(japanese_text)

    else:

        # 混在：全ての文字（空白や記号も含む）をカウント

        return len(text)

# ファイルパスと言語モードを指定して実行

file_path = 'example.txt'

language_mode = 'english'  # 'english', 'japanese', または 'mixed' を指定

character_count = count_characters_in_file(file_path, language_mode)

print(f"文字数: {character_count}")

複数のMP3ファイルを結合するpythonコード例

 複数のMP3ファイルを結合するpythonコード例
・各ファイル間に無音時間を設定できる
・ディレクトリ内のすべてのMP3ファイルを結合
・ファイル名(concatenate_mp3_files.py)
----
import os

from pydub import AudioSegment

# 複数のMP3ファイルを結合する関数

def concatenate_mp3_files(directory, output_file, silence_duration=1):

    # 無音時間の設定（ミリ秒単位）

    silence = AudioSegment.silent(duration=silence_duration * 1000)  # 秒単位をミリ秒に変換

    # ディレクトリ内のすべてのMP3ファイルを取得

    mp3_files = [f for f in os.listdir(directory) if f.endswith('.mp3')]

    # MP3ファイルをロードして結合

    combined = AudioSegment.empty()

    for mp3_file in mp3_files:

        mp3_path = os.path.join(directory, mp3_file)

        audio = AudioSegment.from_mp3(mp3_path)

        combined += audio + silence  # 音声ファイルに無音時間を追加して結合

    # 最後に追加された無音時間を削除

    combined = combined[:-silence.duration_seconds * 1000]

    # 出力ファイルとして保存

    combined.export(output_file, format="mp3")

    print(f"MP3ファイルが結合されました。出力ファイル: {output_file}")

# 使用例

directory = "lesson"  # MP3ファイルが置かれているディレクトリ

output_file = "combined_lessonn.mp3"  # 結合後の出力ファイル名

silence_duration = 1  # 無音時間の設定（秒単位）ファイル間の無音時間(この場合は1秒)

concatenate_mp3_files(directory, output_file, silence_duration)
----

画像のテキスト化

画像のテキスト化のpythonコード例

from PIL import Image

import pytesseract

# Tesseractのインストールパスを指定（例: Windowsの場合）

# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def extract_text_from_image(image_path):

    # 画像を開く

    img = Image.open(image_path)

    # 画像からテキストを抽出

    text = pytesseract.image_to_string(img, lang='eng')  # lang='jpn+eng'日本語と英語の両方を使用

    # 全角を半角に変換

    #text = text.replace('’', "'")  # 全角アポストロフィ → 半角アポストロフィ

    text = text.replace('’', "'").replace('“', '"').replace('”', '"')  # 必要に応じて追加

    return text

# 使用例

image_path = 'sample.jpg'

text = extract_text_from_image(image_path)

print(text)

PDFのテキスト化

■PDFのテキスト化のpythonコード例1

import fitz  # PyMuPDF

import pytesseract

from PIL import Image

import io

# Tesseractのインストールパスを指定（例: Windowsの場合）

# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def pdf_to_text(pdf_path, language='eng'):

    # PDFを開く

    pdf_document = fitz.open(pdf_path)

    text = ""

    #text = pdf_to_text(pdf_path, language='eng')

    # 各ページごとに画像に変換し、OCRでテキストを抽出

    for page_num in range(pdf_document.page_count):

        page = pdf_document[page_num]

        

        # PDFページを画像にレンダリング

        pix = page.get_pixmap(dpi=300)

        img = Image.open(io.BytesIO(pix.tobytes()))

        

        # 画像からテキストを抽出

        page_text = pytesseract.image_to_string(img, lang=language)

        text += page_text + "\n\n"  # ページごとに改行を追加

    pdf_document.close()

    # 全角を半角に変換

    #text = text.replace('’', "'")  # 全角アポストロフィ → 半角アポストロフィ

    text = text.replace('’', "'").replace('“', '"').replace('”', '"')  # 必要に応じて追加

    return text

# 使用例

pdf_path = 'sample.pdf' 

# 'eng'は英語, 'jpn'は日本語, 'eng+jpn'は英語と日本語の両方

#text = pdf_to_text(pdf_path, language='eng+jpn')

text = pdf_to_text(pdf_path, language='eng')

print(text) #テキストの表示。必要な場合はファイル出力に

=======
■PDFのテキスト化のpythonコード例2

import fitz  # PyMuPDF

import pytesseract

from PIL import Image

import io

# Tesseractのインストールパスを指定（例: Windowsの場合）

# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def pdf_to_text(pdf_path, language='eng'):

    # PDFを開く

    pdf_document = fitz.open(pdf_path)

    text = ""

    # 各ページごとに画像に変換し、OCRでテキストを抽出

    for page_num in range(pdf_document.page_count):

        page = pdf_document[page_num]

        

        # PDFページを画像にレンダリング

        pix = page.get_pixmap(dpi=300)

        img = Image.open(io.BytesIO(pix.tobytes()))

        

        # 画像からテキストを抽出

        page_text = pytesseract.image_to_string(img, lang=language)

        text += page_text + "\n\n"  # ページごとに改行を追加

    pdf_document.close()

    

    # 全角を半角に変換

    # text = text.replace('’', "'").replace('“', '"').replace('”', '"')  # 必要に応じて追加

    return text

# 全角の句読点や記号を半角に変換する関数

def convert_fullwidth_to_halfwidth(text):

    text = text.replace('，', ',')  # 全角コンマ → 半角カンマ

    text = text.replace('。', '.')  # 全角ピリオド → 半角ピリオド

    text = text.replace('：', ':')  # 全角コロン → 半角コロン

    text = text.replace('；', ';')  # 全角セミコロン → 半角セミコロン

    text = text.replace('！', '!')  # 全角感嘆符 → 半角感嘆符

    text = text.replace('？', '?')  # 全角疑問符 → 半角疑問符

    text = text.replace('’', "'")  # 全角アポストロフィ → 半角アポストロフィ

    text = text.replace('“', '"')  # 全角二重引用符始 → 半角二重引用符始

    text = text.replace('”', '"')  # 全角二重引用符終 → 半角二重引用符終

    text = text.replace('（', '(')  # 全角括弧開 → 半角括弧開

    text = text.replace('）', ')')  # 全角括弧閉 → 半角括弧閉

    text = text.replace('［', '[')  # 全角角括弧開 → 半角角括弧開

    text = text.replace('］', ']')  # 全角角括弧閉 → 半角角括弧閉

    text = text.replace('｛', '{')  # 全角波括弧開 → 半角波括弧開

    text = text.replace('｝', '}')  # 全角波括弧閉 → 半角波括弧閉

    text = text.replace('・', '･')  # 全角中黒 → 半角中黒

    text = text.replace('～', '~')  # 全角チルダ → 半角チルダ

    text = text.replace('　', ' ')  # 全角スペース → 半角スペース

    return text

# 使用例

# PDFからテキストを抽出し、全角を半角に変換

pdf_path = 'sample.pdf'

text = pdf_to_text(pdf_path, language='eng+jpn')

text = convert_fullwidth_to_halfwidth(text)

print(text)