[Python] Youtube動画を文字起こしするプログラム

こんにちはーー

PythonでYoutube動画を文字起こしするコードを書いたので記事にします。
動画編集に役立つかも！？

誰かの役に立てば幸いです。

概要は動画にもしています。

概要
1. コードの概要
コード詳細
実行結果

概要

適当に出てきた↓の天気予測のYouTube動画の文字起こしを行います

コードの概要

作成したスクリプトの一覧

作成したスクリプトの詳細

ファイル名	実行している内容
Main.py	共通の変数定義、作成した関数の実行
dw_mp3.py	Youtubeから音声ファイル(mp3)をダウンロード
Conv.py	ダウンロードしたmp3をwavに変換
c_wav.py	容量の重いファイルは文字起こしできないためwavを分割
w_csv.py	wavそれぞれに文字起こしを実行

コード詳細

main.py

import dw_mp3
import conv
import c_wav
import w_csv

name_mp3='test_voice.mp3'
name_wav="test.wav"
name_csv="test.csv"

url = input('Enter URL：')
dw_mp3.dw_mp3(url,name_mp3)
conv.conv(name_mp3,name_wav)
c_wav.c_wav(name_wav)
w_csv.w_csv(name_csv)

print("全ての処理が完了しました")

dw_mp3.py

import youtube_dl
import os
from pathlib import Path

def dw_mp3(url,name_mp3):
    # 初期設定
    ydl = youtube_dl.YoutubeDL({'outtmpl': '%(id)s%(ext)s',
                                        'postprocessors': [{
                                            'key': 'FFmpegExtractAudio',
                                            'preferredcodec': 'mp3',
                                            'preferredquality': '192',
                                        }]
                                        })

    # 動画情報をダウンロードする
    with ydl:
        result = ydl.extract_info(
            url,
            download=True 
        )

    filename_before1 = url[32:] + 'mp4' + '.mp3' # ファイル名にwebmが付くのでその対応
    filename_after1 = name_mp3
    current_dir = Path(os.getcwd())

    os.rename(current_dir/filename_before1, current_dir/filename_after1) 

    print('音声ファイルのダウンロードが完了しました')

conv.py

import pydub

def conv(name_mp3,name_wav):
    base_file=pydub.AudioSegment.from_mp3(name_mp3)
    base_file.export(name_wav,format="wav")

c_wav.py

import wave
import struct
import math
import os
from scipy import fromstring, int16

def c_wav(name_wav):
    #A列～ZZ列までの場合
    def toAlpha2(num):
        i = int((num-1)/26)
        j = int(num-(i*26))
        Alpha = ''
        for z in i,j:
            if z != 0:
                Alpha += chr(z+64)
        return Alpha

    #読み込むファイル名
    f_name = name_wav

    #切り取り時間[sec]
    cut_time = 10

    # 保存するフォルダの作成
    file = os.path.exists("output")
    print(file)

    if file == False:
        os.mkdir("output")

    def wav_cut(name_wav,time): 

        # ファイルを読み出し
        wavf = name_wav
        wr = wave.open(wavf, 'r')

        # waveファイルが持つ性質を取得
        ch = wr.getnchannels()
        width = wr.getsampwidth()
        fr = wr.getframerate()
        fn = wr.getnframes()
        total_time = 1.0 * fn / fr
        integer = math.floor(total_time) # 小数点以下切り捨て
        t = int(time)  # 秒数[sec]
        frames = int(ch * fr * t)
        num_cut = int(integer//t)

        #　確認用
        print("Channel: ", ch)
        print("Sample width: ", width)
        print("Frame Rate: ", fr)
        print("Frame num: ", fn)
        print("Params: ", wr.getparams())
        print("Total time: ", total_time)
        print("Total time(integer)",integer)
        print("Time: ", t) 
        print("Frames: ", frames) 
        print("Number of cut: ",num_cut)

        # waveの実データを取得し、数値化
        data = wr.readframes(wr.getnframes())
        wr.close()
        X = fromstring(data, dtype=int16)
        print(X)

        for i in range(num_cut):
            print(i)
            # 出力データを生成
            outf = 'output/' + str(toAlpha2(i+1)) + '.wav' 
            start_cut = i*frames
            end_cut = i*frames + frames
            print(start_cut)
            print(end_cut)
            Y = X[start_cut:end_cut]
            outd = struct.pack("h" * len(Y), *Y)

            # 書き出し
            ww = wave.open(outf, 'w')
            ww.setnchannels(ch)
            ww.setsampwidth(width)
            ww.setframerate(fr)
            ww.writeframes(outd)
            ww.close()

    wav_cut(f_name,cut_time)

w_csv.py

import csv
import os
import speech_recognition as sr
import csv

def w_csv(name_csv):
    count=0

    with open(name_csv,'w') as f:
        writer = csv.writer(f)

    for fd_path, sb_folder, sb_file in os.walk('./output/'):
        for fil in sb_file:      
            count= count+1
            file_name=fd_path +fil
            r = sr.Recognizer()
            with sr.AudioFile(file_name) as source:
                audio = r.record(source)
                text = r.recognize_google(audio, language='ja-JP')  # 英語の場合はen-US
            print(count,fil," 文字起こし完了")
            with open(name_csv, 'a', newline='',encoding="shift_jis") as csvfile:
                write = csv.writer(csvfile, delimiter=' ')
                write.writerow()