千家信息网

Python调用百度api怎么实现语音识别

发表于:2024-11-23 作者:千家信息网编辑
千家信息网最后更新 2024年11月23日,Python调用百度api怎么实现语音识别,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。最近在学习python,做一些python练习题
千家信息网最后更新 2024年11月23日Python调用百度api怎么实现语音识别

Python调用百度api怎么实现语音识别,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

最近在学习python,做一些python练习题

github上几年前的练习题

有一题是这样的:

使用 Python 实现:对着电脑吼一声,自动打开浏览器中的默认网站。

例如,对着笔记本电脑吼一声"百度",浏览器自动打开百度首页。

然后开始search相应的功能需要的模块(windows10),理一下思路:

  1. 本地录音

  2. 上传录音,获得返回结果

  3. 组一个map,根据结果打开相应的网页

所需模块:

  1. PyAudio:录音接口

  2. wave:打开录音文件并设置音频参数

  3. requests:GET/POST

为什么要用百度语音识别api呢?因为免费试用。。

不多说,登录百度云,创建应用

简单概括就是

1.可以下载使用SDK

2.不需要下载使用SDK

选择2.

  1. 根据文档组装url获取token

  2. 处理本地音频以JSON格式POST到百度语音识别服务器,获得返回结果

语音格式

格式支持:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)。推荐pcm 采样率 :16000 固定值。 编码:16bit 位深的单声道。

百度服务端会将非pcm格式,转为pcm格式,因此使用wav、amr会有额外的转换耗时。

保存为pcm格式可以识别,只是windows自带播放器识别不了pcm格式的,所以改用wav格式,毕竟用的模块是wave?

首先是本地录音

import wavefrom pyaudio import PyAudio, paInt16framerate = 16000  # 采样率num_samples = 2000  # 采样点channels = 1  # 声道sampwidth = 2  # 采样宽度2bytesFILEPATH = 'speech.wav'def save_wave_file(filepath, data):    wf = wave.open(filepath, 'wb')    wf.setnchannels(channels)    wf.setsampwidth(sampwidth)    wf.setframerate(framerate)    wf.writeframes(b''.join(data))    wf.close()#录音def my_record():    pa = PyAudio()    #打开一个新的音频stream    stream = pa.open(format=paInt16, channels=channels,                     rate=framerate, input=True, frames_per_buffer=num_samples)    my_buf = [] #存放录音数据    t = time.time()    print('正在录音...')     while time.time() < t + 4:  # 设置录音时间(秒)            #循环read,每次read 2000frames        string_audio_data = stream.read(num_samples)        my_buf.append(string_audio_data)    print('录音结束.')    save_wave_file(FILEPATH, my_buf)    stream.close()

然后是获取token

import requestsimport base64 #百度语音要求对本地语音二进制数据进行base64编码#组装url获取token,详见文档base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"APIKey = "LZAdqHUGC********mbfKm"SecretKey = "WYPPwgHu********BU6GM*****"HOST = base_url % (APIKey, SecretKey)def getToken(host):    res = requests.post(host)    return res.json()['access_token']#传入语音二进制数据,token#dev_pid为百度语音识别提供的几种语言选择def speech3text(speech_data, token, dev_pid=1537):    FORMAT = 'wav'    RATE = '16000'    CHANNEL = 1    CUID = '********'    SPEECH = base64.b64encode(speech_data).decode('utf-8')    data = {        'format': FORMAT,        'rate': RATE,        'channel': CHANNEL,        'cuid': CUID,        'len': len(speech_data),        'speech': SPEECH,        'token': token,        'dev_pid':dev_pid    }    url = 'https://vop.baidu.com/server_api'    headers = {'Content-Type': 'application/json'}    # r=requests.post(url,data=json.dumps(data),headers=headers)    print('正在识别...')    r = requests.post(url, json=data, headers=headers)    Result = r.json()    if 'result' in Result:        return Result['result'][0]    else:        return Result

最后就是对返回的结果进行匹配,这里使用webbrowser这个模块

webbrower.open(url)

完整demo

#!/usr/bin/env python# -*- coding: utf-8 -*-# Date    : 2018-12-02 19:04:55import waveimport requestsimport timeimport base64from pyaudio import PyAudio, paInt16import webbrowserframerate = 16000  # 采样率num_samples = 2000  # 采样点channels = 1  # 声道sampwidth = 2  # 采样宽度2bytesFILEPATH = 'speech.wav'base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"APIKey = "********"SecretKey = "************"HOST = base_url % (APIKey, SecretKey)def getToken(host):    res = requests.post(host)    return res.json()['access_token']def save_wave_file(filepath, data):    wf = wave.open(filepath, 'wb')    wf.setnchannels(channels)    wf.setsampwidth(sampwidth)    wf.setframerate(framerate)    wf.writeframes(b''.join(data))    wf.close()def my_record():    pa = PyAudio()    stream = pa.open(format=paInt16, channels=channels,                     rate=framerate, input=True, frames_per_buffer=num_samples)    my_buf = []    # count = 0    t = time.time()    print('正在录音...')      while time.time() < t + 4:  # 秒        string_audio_data = stream.read(num_samples)        my_buf.append(string_audio_data)    print('录音结束.')    save_wave_file(FILEPATH, my_buf)    stream.close()def get_audio(file):    with open(file, 'rb') as f:        data = f.read()    return datadef speech3text(speech_data, token, dev_pid=1537):    FORMAT = 'wav'    RATE = '16000'    CHANNEL = 1    CUID = '*******'    SPEECH = base64.b64encode(speech_data).decode('utf-8')    data = {        'format': FORMAT,        'rate': RATE,        'channel': CHANNEL,        'cuid': CUID,        'len': len(speech_data),        'speech': SPEECH,        'token': token,        'dev_pid':dev_pid    }    url = 'https://vop.baidu.com/server_api'    headers = {'Content-Type': 'application/json'}    # r=requests.post(url,data=json.dumps(data),headers=headers)    print('正在识别...')    r = requests.post(url, json=data, headers=headers)    Result = r.json()    if 'result' in Result:        return Result['result'][0]    else:        return Resultdef openbrowser(text):    maps = {        '百度': ['百度', 'baidu'],        '腾讯': ['腾讯', 'tengxun'],        '网易': ['网易', 'wangyi']    }    if text in maps['百度']:        webbrowser.open_new_tab('https://www.baidu.com')    elif text in maps['腾讯']:        webbrowser.open_new_tab('https://www.qq.com')    elif text in maps['网易']:        webbrowser.open_new_tab('https://www.163.com/')    else:        webbrowser.open_new_tab('https://www.baidu.com/s?wd=%s' % text)if __name__ == '__main__':    flag = 'y'    while flag.lower() == 'y':        print('请输入数字选择语言:')        devpid = input('1536:普通话(简单英文),1537:普通话(有标点),1737:英语,1637:粤语,1837:四川话\n')        my_record()        TOKEN = getToken(HOST)        speech = get_audio(FILEPATH)        result = speech3text(speech, TOKEN, int(devpid))        print(result)        if type(result) == str:            openbrowser(result.strip(','))        flag = input('Continue?(y/n):')

经测试,大吼效果更佳 。

看完上述内容,你们掌握Python调用百度api怎么实现语音识别的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注行业资讯频道,感谢各位的阅读!

0