前言與介紹

本文章介紹了如何在Pycharm上用python語言簡單的對連接百度ai開放平臺的語音識別功能api端口的調(diào)用，并在代碼里實(shí)現(xiàn)了現(xiàn)錄音識別內(nèi)容。

平臺與相關(guān)工具

windows10、Pycharm、Python3.9
百度智能云官網(wǎng)為：百度ai開放平臺官網(wǎng)

操作流程

1. 注冊百度智能云賬號并打開控制臺
   
   百度ai平臺有許多現(xiàn)有的功能端口可以使用

2. 創(chuàng)建自己的應(yīng)用并按需求開通端口
   
   比如我這里開啟了短語音識別的四種語言端口
   

3. 創(chuàng)建應(yīng)用后在應(yīng)用中心可以查詢應(yīng)用的API KEY與Secret Key（這兩個最重要且在后續(xù)需要用到）
   

4. 為自己的賬戶充一點(diǎn)點(diǎn)錢（一兩塊就行），每次調(diào)用端口會有一點(diǎn)點(diǎn)的消費(fèi)

5. 通過代碼調(diào)用端口

# encoding:utf-8
import wave
import requests
import time
import base64
from pyaudio import PyAudio, paInt16

import webbrowser

framerate = 16000 # 采樣率
num_samples = 2000 # 采樣點(diǎn)
channels = 1 # 聲道
sampwidth = 2 # 采樣寬度 2bytes
FILEPATH = 'speech.wav' # 設(shè)置語音文件保存位置
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
APIKey = "這里填入自己的"
SecretKey = "這里填入自己的"
HOST = base_url % (APIKey, SecretKey)


def getToken(host):
    res = requests.post(host) #獲取 access_token
    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('正在錄音...')
    while time.time() < t + 5: # 秒
        string_audio_data = stream.read(num_samples)
        my_buf.append(string_audio_data)
    print('錄音結(jié)束.')
    save_wave_file(FILEPATH, my_buf)
    stream.close()


def get_audio(file):
    with open(file, 'rb') as f:
        data = f.read()
    return data


def speech2text(speech_data, token, dev_pid=1537):
    FORMAT = 'wav'
    RATE = '16000'
    CHANNEL = 1
    CUID = 'ag2s'
    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',
        'Accept': 'application/json'
    }

    # r=requests.post(url,data=json.dumps(data),headers=headers)
    print('正在識別...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result

if __name__ == '__main__':
    flag = 'y'
    while flag.lower() == 'y':
        print('請輸入數(shù)字選擇語言：')
        devpid = input('1536：普通話(簡單英文),1537:普通話(有標(biāo)點(diǎn)),1737:英語,1637:粵語,1837:四川話\n')
        my_record()
        TOKEN = getToken(HOST)
        speech = get_audio(FILEPATH)
        result = speech2text(speech, TOKEN, int(devpid))
        print(result)
        flag = input('Continue?(y/n):')

代碼運(yùn)行后結(jié)果如下：

dev_pid表格如下：

注意:百度短語音識別之接受60秒以下的音頻識別成文字，并有音頻格式和編碼的要求，如果輸入的音頻不符合要求需要進(jìn)行轉(zhuǎn)換（具體方法請查看官方提供的api文檔）官方音頻轉(zhuǎn)換方式
文章來源地址http://www.zghlxwxcb.cn/news/detail-508591.html

到了這里，關(guān)于【百度智能云】教程：連接百度ai開放平臺api接口并完成語音識別的任務(wù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！