Python如何直接将音频URL转换为文本而无需提前下载文件？

前置依赖 #

• 安装所需Python库：pip install SpeechRecognition pydub requests
• 安装ffmpeg用于音频格式转换：Windows系统将ffmpeg的bin目录加入系统环境变量，Debian/Ubuntu系统执行sudo apt install ffmpeg，MacOS系统执行brew install ffmpeg

核心实现代码 #

import speech_recognition as sr
import requests
from pydub import AudioSegment
from io import BytesIO

def transcribe_online_audio(audio_url, language="zh-CN"):
    # 拉取在线音频二进制流
    resp = requests.get(audio_url)
    resp.raise_for_status()
    
    # 内存中加载音频，不写入磁盘
    audio_buffer = BytesIO(resp.content)
    # 对应音频格式修改加载方法，如wav用from_wav、m4a用from_file指定format参数
    sound = AudioSegment.from_mp3(audio_buffer)
    
    # 内存中转换为识别工具支持的wav格式
    wav_buffer = BytesIO()
    sound.export(wav_buffer, format="wav")
    wav_buffer.seek(0)
    
    # 执行语音识别
    recognizer = sr.Recognizer()
    with sr.AudioFile(wav_buffer) as source:
        audio = recognizer.record(source)
    try:
        return recognizer.recognize_google(audio, language=language)
    except sr.UnknownValueError:
        return "音频内容无法识别"
    except sr.RequestError as e:
        return f"识别服务请求异常：{str(e)}"

# 调用示例
if __name__ == "__main__":
    test_url = "https://1filedownload.com/wp-content/uploads/2020/09/01.mp3"
    print("识别结果：", transcribe_online_audio(test_url))

实现说明 #

• 全流程音频处理都在内存中完成，不会生成任何本地临时文件，符合无下载需求
• 若目标站点有反爬限制，可给requests.get添加headers参数模拟浏览器请求即可正常拉取音频
• 若需要替换为其他商用识别引擎，仅需修改识别逻辑部分，前面音频流拉取处理逻辑通用
• 长音频场景可添加分段识别逻辑，避免内存占用过高

内容的提问来源于stack exchange，提问作者yivas81730