基于语音识别的翻译系统

从这个页面来看，使用到的前端框架是Bootstrap；从设计的题目来看有两个基础的功能：识别和翻译，使用Python调用接口实现。再通过Web框架——Flask将前后端结合。项目部署在文章中“三丰云”提供的免费虚拟主机和免费云服务器中，使用Nginx和uWSGI作服务器。

首先，花1分钟讲述使用接口的条件和返回的结果，再根据条件和结果配合流程和界面。

调用接口都是需要一把钥匙，表示可以调用和调用的是什么类型。语音识别返回的结果可以设定一些参数来筛选，比如，是否根据语义断句。假设总共有二十句话，这个结果对象Result对应二十条数据，每一条数据包括开始时间、结束时间和文本内容。再通过遍历将每一条数据的文本内容使用翻译接口得到翻译文本，最后存储在MongoDB数据库中。

登录注册进入用户首页，点击新建，根据是视频还是音频，是否进行翻译选择项目类型。所以首页左上角“全部”“视频”“音频”是三个页面，对应项目类型。这个三个页面在导航栏是这样区分的，比如“视频”标签id为index0，使用JavaScript将页面继承的base模板（模板base.html）中id为index0的class赋值为激活，表现为选中的状态。

新建一个项目进行识别和翻译。可以看到提示是缺少对应的引擎，点击进入引擎信息填写并提交。提交成功后自动返回首页，也可以在用户中心进行信息添加和删除。新建项目可以填写项目名，在下拉框从已添加的引擎中选择，在本地文件中选择视频文件最后提交，页面将跳转回首页显示已提交的项目。这时程序使用“FFmpeg”将视频转换为符合接口使用的16K采样率的wav音频，得到视频的第一帧作为的封面，获取视频时长，如果上传音频则采用默认图片作为封面。这些信息和信息的路径称为Projects文档被存储在MongoDB数据库中供后续访问，还存储了其他信息，使用到的时候再介绍。