百度AI平台提供语音转文字服务，需先注册获取API密钥，再准备合规音频文件，接着通过RESTful API或Python SDK调用识别接口，超60秒语音须使用长语音识别服务。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望将语音内容快速准确地转换为文字，百度AI平台提供了成熟的语音识别（ASR）服务。以下是使用该平台实现语音转文字的具体操作步骤：
一、注册并获取API密钥
调用百度语音识别API前，需在百度AI开放平台完成身份认证并获取合法访问凭证。这些凭证用于接口鉴权，确保请求来源可信且受配额管理。
1、访问百度AI开放平台官网，使用手机号或邮箱注册账号并完成实名认证。
2、登录后进入「控制台」→「应用列表」→「创建应用」，填写应用名称、应用描述等基本信息。
3、在新创建的应用详情页中，复制记录App ID、API Key 和 Secret Key三项参数，后续Python脚本或HTTP请求中必须使用。
二、准备符合要求的音频文件
百度语音识别API对输入音频有明确格式与参数限制，不符合规范会导致识别失败或准确率显著下降。预处理是保障识别质量的关键前置环节。
1、确认音频格式为百度支持的类型：WAV、MP3、AMR、M4A、FLAC、OGG（推荐使用16kHz采样率、16bit位深、单声道的WAV文件）。
2、若原始音频为视频，需先提取音频轨道。可使用MoviePy库执行转换：audio.write_audiofile("output.wav", fps=16000)。
3、音频时长不得超过60秒（实时接口）或6小时（长语音接口）；超长语音应拆分或改用长语音识别服务。
三、调用语音识别API（RESTful方式）
通过HTTP POST请求向百度ASR服务端点提交音频数据，服务返回JSON格式识别结果。此方式无需安装额外客户端，适用于脚本集成与批量处理。
1、构造请求URL：https://vop.baidu.com/pro_api（高精度版）或https://vop.baidu.com/server_api（通用版）。
2、设置请求头（Headers），包含Content-Type: application/json及鉴权字段：X-App-Id、X-App-Key、X-App-Secret（或使用Access Token机制）。
3、构建请求体（Body），以JSON格式传入音频编码后的base64字符串、语言类型（如"zh"）、采样率（16000）、声道数（1）等参数。
四、使用Python SDK快速调用
百度官方提供aip Python SDK，封装了签名生成、HTTP通信与错误处理逻辑，大幅降低开发门槛，适合快速验证与轻量级部署。
1、执行命令安装SDK：pip install baidu-aip。
2、初始化AipSpeech客户端，传入上一步获取的App ID、API Key、Secret Key：
3、调用asr()方法上传本地音频文件路径，指定格式（如'wav'）与采样率（16000），接收返回字典中的result字段即为识别文本。
五、启用长语音识别服务
针对会议录音、课程录像等超过60秒的语音素材，需调用百度专属的长语音识别接口。该服务采用分片上传+异步回调机制，支持最高6小时连续语音处理。
1、在百度AI控制台开通「长语音识别」服务，并确认已开通调用量配额。
2、使用post /v1/speech/asr/longasync接口上传音频文件，获取任务ID（task_id）。
3、轮询get /v1/speech/asr/longasync/result?task_id=xxx直至状态码为success，响应体中result字段即为完整转写文本。
