百度AI人工智能辅助程序的开发实践

傅 骏 傅馨竹 龙辉阳 蒲丽旭 熊子淇，3 张峻宁

(1.四川工程职业技术学院材料工程系，四川 德阳 618000；2.德阳市岷山路小学，四川 德阳 618000；3.西华大学，四川 成都 610039)

百度AI提供了“语音识别”功能，能够将输入的语音精准识别为文字，支持普通话、英语、粤语、四川话等。输入的语音支持四种格式：pcm、wav、amr、m4a，仅支持16000的采样率。由于百度语音识别底层识别使用的是pcm，因此推荐直接上传pcm文件。如果上传其他格式，百度服务端会将非pcm格式转为pcm格式，因此使用wav、amr、m4a会有额外的转换耗时[1]。

目前流行的音频视频格式转化软件很多，但尚无合适的转化为pcm格式的软件。项目组利用VB，结合ffmpeg函数开发了“获得pcm利器”，实现了mp4-mp3-pcm格式的转换，辅助用户使用百度AI人工智能技术。

1 开发工具

1.1 ffmpeg

FFmpeg采用LGPL或GPL许可证，提供录制、转换以及流化音视频的完整解决方案，它包含了音频/视频编解码库libavcodec。在cmd窗口中输入命令可以实现录制和转换。

1)ffmpeg从视频中抓取部分音频的命令

要留下aa.mp4视频中10-80秒的声音，并将结果保存为bb.mp3的命令是，

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

2)声音格式转换

要将bb.mp3转换成采样率为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函数

VB由Microsoft公司开发，是基于对象的程序设计语言，其最大优点是可以方便快捷地开发图形用户界面 (GUI)。其内部函数Shell可以调用外部可执行的exe程序，返回一个变量Variant(Double)。Shell的命令格式是[2]，

flag=Shell(PathName[，WindowStyle])

2 开发实践

将ffmpeg文件放在VB工程的同一目录下。

2.1 界面设计

在界面上添加了通用对话框CommonDialog、框架Frame、命令按钮Command、影音播放器WindowsMediaPlayer、标签Label、文本框Text、单选按钮Option等。通用对话框选择音频视频文件、标签提示用户操作、按钮与文本框控制转换时长、命令按钮实现格式转换等功能。

将界面分区，左边是影音播放区，右边由2个框架Frame组成，分别实现视频mp4文件转mp3、音频文件转pcm。在视频文件转mp3框架中，还设置了单选按钮option，使用户可以从4种方式，选择截取视频文件的时间段：全部、从开始到指定时刻、从某个时刻到结束、指定开始和结束时刻。

2.2 选择音频或视频文件

通用对话框CommonDialog打开“打开”对话框，并且只显示音频、视频格式，如mp3、mp4、avi、wmv等格式的文件，选择文件后，读取文件名称与路径，显示在标签lblMP3名称上。代码是，

CommonDialog1.Filter =“全部文件|*.*|mp4视频文件|*.mp4|avi视频文件|*.avi|wmv视频文件|*.wmv|mpg视频文件|*.mpg”

CommonDialog1.ShowOpen

她低着头站在角落里，刘海混合着汗水弯弯曲曲地贴在额头上，偌长的漆黑睫毛盖过眼睛，她紧抿着嘴唇，饱满的双唇似乎过度隐忍着情绪，呈现出神秘的紫色，白大褂被扯破了大半，似一张哭泣的人脸，狼狈不堪。

2.3 视频转mp3

读取单选按钮与文本框的值，将需要的视频转换时长存放在变量shipinwenjian中。代码是，

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

2.4 mp3转pcm

读取文件路径yinpinwenjian与lblpcm名称，将mp3转换为pcm格式。代码是，

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

2.5 转换后文件的保存

1)修改文件路径与文件名

默认mp4转换后生成的mp3文件，保存在mp4同一个目录下，其名称与mp4相同。mp3转换为pcm亦然。修改的代码是，CommonDialog1.ShowSave

2)判断文件是否存在及处理

用Dir(lblpcm名称) <> ""判断要生成的mp3文件与pcm文件是否存在。如果要覆盖文件，则用命令kill删除文件后，再重新生成。

设计好的程序运行见图1，对mp3、pcm的保存路径和文件名进行了修改，不与mp4一致。

图1 “获得pcm利器”运行界面

本程序也可以直接选择mp3文件，转化为pcm格式。

3 结束语

ffmpeg命令转换为pcm格式功能强大，但对用户的计算机水平有一定要求。项目组运用VB的Shell函数功能，调用ffmpeg功能，实现了对mp4部分截取后转换成mp3、mp3转换为pcm格式，为使用百度AI的“语音识别”功能提供了辅助，受到了使用者的欢迎。利用该辅助功能开发的“百度人工智能语音技术”小程序获得学院科技节二等奖。