百度云语音识别接口使用:
百度云语音识别接口文档：https://cloud.baidu.com/doc/SPEECH/ASR-API.html#JSON.E6.96.B9.E5.BC.8F.E4.B8.8A.E4.BC.A0
一. 解析用户语音输入，转换为字符串
- 捕获用户的语音输入
- windows安装
- pip3 install PyAudio #如果报错可以尝试2，3步骤 丶 如果用pip3下载安装报错可以在python第三方安装包下载地址搜索下载安装https://pypi.org/
- python -m pip install --upgrade pip
- pip install PyAudio
-
CentOS 7.4 下安装PyAudio 需要先安装 portaudio （采用的方法，可行）
1、在安装pyaudio时，报错failed error: portaudio.h: 没有那个文件或目录
2、pyaudio的运行需要依赖于portaudio这个库，应该先安装一个portaudio库
3、portaudio安装步骤：
a)下载portaudio库http://portaudio.com/download.html
b)将下载的文件进行解压
c)进入解压后的portaudio文件，依次执行命令：
./configure
make
make install
d)进入~/.bashrc文件：vim ~/.bashrc
在文件最后一行加入 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
然后执行命令source ~/.bashrc
4、到此portaudio库安装成功
5、安装pyaudio库，pip3 install pyaudio (wget https://files.pythonhosted.org/packages/ab/42/b4f04721c5c5bfc196ce156b3c768998ef8c0ae3654ed29ea5020c749a6b/PyAudio-0.2.11.tar.gz)
成功后显示版本为0.2.11
二，音频数据给到百度云
-
音频数据的格式规则
- format：格式 wav
- rate：采样率 16000
- channel：声道 1单声道
- cuid：用户ID MAC地址，只要保证唯一
- token：身份识别 在百度云接口平台注册后，才能拿到
- dev_pid： 1536英文，1537中文
- len：数据的长度 原始的 len(data) ->
- speech：数据对象
1，base64 编码2，经常用于网络中的音频图像二进制的数据传输3，base64.b64encode(data)
- **JSON**格式POST上传本地音频流数据
-
header：Content-Type:application/json
- 标识，
- GET：直接获取服务器上的数据
- POST：客户端先向服务端提交数据，服务端在返回，POST一定会向服务器提交数据
-
RESTFUL：资源定义成了连接（url 同一资源，这个要了解一下）
- 连接，www.baidu.com
- POST提交数据，
- WEB服务 HTTP协议
- RESTFUL：ip/?shutdown #关机命令
- http://vop.baidu.com/server_api #百度云api接口地址，我们的语音信息提交到这个接口就行了
三，捕获百度云返回的结果
-
JSON的返回 #无论什么方式上传都会以JSON格式返回结果
- json.loads() 解析json数据变为Python中数据对象 字典
- j'son.dumps() dict -> dict
- result #音频返回的结果在result字段中
四，接口使用：
- PyAudio：对象，实例化一个设备
- pa.open(format=存储位深 int 16位, channels=声道,rate=采样率,input=True,frame_per_buffer=1024)
五,注册登录百度云管理中心创建任务 ### https://console.bce.baidu.com/ai/?_=1545815700081#/ai/speech/app/create
六，代码编写如下：
import time
from pyaudio import PyAudio,paInt16
from urllib.request import urlopen,Request #专门处理http协议的模块
import json
import base64
def play_audio(data): #播放音频
pa = PyAudio() #设备实例化
equip = pa.open(
format=paInt16,
channels=1, #单声道
rate=16000,
output=True,
) #打开设备，并且支持输出
equip.write(data) #设备的write函数，写入音频数据
equip.stop_stream() #关闭写入
equip.close()
pa.terminate() #关闭设备实例
def record_audio(): #输入音频
pa = PyAudio() #设备实例化
equip = pa.open(
format=paInt16,
channels=1,
rate=16000,
input=True,
frames_per_buffer=1024,
) #打开设备，并且支持输入
data = [] #存储未来的语音输入
#一截一截的语音数据 [b'1',b'2',]
times = 0 #用来控制用户输入语音长度的
start = time.time()
while times < 50: #3S
data.append(equip.read(1024)) #读取设备中此时的语音数据
times += 1
end = time.time()
print('[TALK] %.2f' % (end - start)) #%.2f 保留2位小数点有效位数字
data = b''.join(data) #完整的音频流数据
equip.close()
pa.terminate() #关闭设备实例
return data
def baidu_token():
API_Key = 'oAcBP47GDDpj6XIHWmcSkeRi'
Secret_Key = 'ba2EKROswCy6KXzLdTpnGqPnPhHSFHU7'
grant_type = 'client_credentials'
url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=%s&client_id=%s&client_secret=%s'
response = json.loads(urlopen(url % (grant_type,API_Key,Secret_Key)).read().decode())
access_token = response['access_token']
return access_token
def baidu_fenxi(data):
url = 'http://vop.baidu.com/server_api'
data_len = len(data)
audio_data = base64.b64encode(data).decode()
access_token = baidu_token()
post_data = json.dumps({
"format":"wav",
"rate":16000,
"dev_pid":1536,
"channel":1,
"token":access_token,
"cuid":"00-50-56-C0-00-08",
"len":data_len,
"speech":audio_data,
}).encode() #变为json的二进制
headers = {'Content-Type':'application/json'}
req = Request(url=url,headers=headers,data=post_data)
result = json.loads(urlopen(req).read().decode()).get('result')
if result:
return result[0]
else:
return None
def main():
data = record_audio()
res = baidu_fenxi(data)
print(res)
if __name__ == '__main__':
#程序入口
main()运行结果：E:\python学习资料\上课代码编写\代码练习py>python e:/python学习资料/上课代码编写/代码练习py/百度云.py
[TALK] 3.21
你好