python語音識別實(shí)踐之百度語音API

更新時(shí)間：2018年08月30日 10:14:03 作者：fmstereo

這篇文章主要為大家詳細(xì)介紹了python語音識別實(shí)踐之百度語音API，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

百度語音對上傳的語音要求目前必須是單聲道，16K采樣率，采樣深度可以是16位或者8位的PCM編碼。其他編碼輸出的語音識別不出來。

語音的處理技巧：

錄制為MP3的語音（通常采樣率為44100），要分兩步才能正確處理。第一步：使用諸如GoldWave的軟件，先保存為16K采樣率的MP3；第二步，打開16K采樣率的MP3，另存為Wav格式，參數(shù)選擇PCM，單聲道即可。

另外，也可以使用ffmpeg將MP3處理為PCM。后文的程序即采用這種方法。

由于PCM編碼的語音沒有壓縮，文件體積與語音長度成正比。百度語音平臺對語音的長度的限制未知。文件太大，網(wǎng)速不好的時(shí)候，容易出現(xiàn)”連接錯誤“的提示。因此，對時(shí)間較長的語音，應(yīng)該將語音分割成多個序列，在分別進(jìn)行識別。（目前按照等長分割）

以下代碼，使用前，需要在baidu 開發(fā)者上申請相關(guān)的API ID, API Key, Secret Key，并以申請的參數(shù)代入到文件中。

# 引入Speech SDK
from aip import AipSpeech
import subprocess
import datetime
import sys
import os
import time
from pydub import AudioSegment
import math
 
# 定義常量
#APP_ID = '你的 App ID'
APP_ID = '937****'
#API_KEY = '你的 API Key'
API_KEY = 'mOV9QaabNnkur0Aba15T****'
#SECRET_KEY = '你的 Secret Key'
SECRET_KEY = '097111374ad26d4ba00937c5e332****'
# 初始化AipSpeech對象
aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
 
# 文件處理
def get_wave_filename(fileFullName):
 # MP3文件轉(zhuǎn)換成wav文件
 # 判斷文件后綴，是mp3的，直接處理為16k采樣率的wav文件；
 # 是wav的，判斷文件的采樣率，不是8k或者16k的，直接處理為16k的采樣率的wav文件
 # 其他情況，就直接返回AudioSegment直接處理
 fileSufix = fileFullName[fileFullName.rfind('.')+1:]
 print(fileSufix)
 filePath = fileFullName[:fileFullName.find(os.sep)+1]
 print(filePath)
 if fileSufix.lower() == "mp3":
 wavFile = "wav_%s.wav" %datetime.datetime.now().strftime('%Y%m%d%H%M%S')
 wavFile = filePath + wavFile
 cmdLine = "ffmpeg -i \"%s\" -ar 16000 " %fileFullName
 cmdLine = cmdLine + "\"%s\"" %wavFile
 print(cmdLine)
 ret = subprocess.run(cmdLine)
 print("ret code:%i" %ret.returncode)
 return wavFile
 #if ret.returncode == 1:
 # return wavFile
 #else:
 # return None
 else:
 return fileFullName
 
 
#文件分片
try:
 script, fileFullName = sys.argv
except:
 print("參數(shù) 文件名 未指定!")
 exit()
 
if not os.path.isfile(fileFullName):
 print("參數(shù) %s 不是一個文件名" %fileFullName)
 exit()
 
if not os.path.exists(fileFullName):
 print("參數(shù) %s 指定的文件不存在" %fileFullName)
 exit()
 
filePath = fileFullName[:fileFullName.find(os.sep)+1]
# 文件處理為Wav，采樣率16k的文件，返回文件名
wavFile = get_wave_filename(fileFullName)
print(wavFile)
record = AudioSegment.from_wav(wavFile)
if wavFile != fileFullName:
 time.sleep(1)
 os.remove(wavFile)
 
recLen = record.duration_seconds
interval = 120 * 1000
maxLoop = math.ceil(recLen*1000/float(interval))
for n in range(0,math.ceil(recLen*1000/float(interval))):
 recSeg = record[n * interval : (n + 1)*interval]
 #print("Segment:%i,startat:%i,length:%i" %n,n*interval/1000,recSeg.duration_seconds)
 print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> Segment:" + str(n) +"/" + str(maxLoop))
 segFile = filePath + "seg%s.wav" %("0"*7 + str(n))[-6:]
 # 把分段的語音信息保存為臨時(shí)文件
 file_handle = recSeg.export(segFile,format="wav",codec = "libvorbis")
 file_handle.close()
 # 讀取分段的臨時(shí)文件為字節(jié)
 file_handle = open(segFile, 'rb')
 file_content = file_handle.read()
 file_handle.close()
 # 刪除臨時(shí)文件
 os.remove(segFile)
 # 用百度API處理該語音
 result=aipSpeech.asr(file_content, 'pcm', 16000, {'lan': 'zh'})
 if result['err_no'] == 0:
 print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> " + result['result'][0])
 else:
 print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> " + "err_no:" + str(result['err_no']))

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: