python通過(guò)調(diào)用百度api實(shí)現(xiàn)語(yǔ)音識(shí)別（超詳細(xì)）

大傻子的文淵閣 2019-11-29

展開(kāi)全文

最近在學(xué)習(xí)python，做一些python練習(xí)題

github上幾年前的練習(xí)題
有一題是這樣的：

使用 Python 實(shí)現(xiàn)：對(duì)著電腦吼一聲,自動(dòng)打開(kāi)瀏覽器中的默認(rèn)網(wǎng)站。
例如，對(duì)著筆記本電腦吼一聲“百度”，瀏覽器自動(dòng)打開(kāi)百度首頁(yè)。

然后開(kāi)始search相應(yīng)的功能需要的模塊（windows10），理一下思路：

本地錄音
上傳錄音，獲得返回結(jié)果
組一個(gè)map，根據(jù)結(jié)果打開(kāi)相應(yīng)的網(wǎng)頁(yè)

所需模塊：

PyAudio：錄音接口
wave：打開(kāi)錄音文件并設(shè)置音頻參數(shù)
requests：GET/POST

為什么要用百度語(yǔ)音識(shí)別api呢？因?yàn)槊赓M(fèi)試用。。
在這里插入圖片描述
不多說(shuō)，登錄百度云，創(chuàng)建應(yīng)用

查看文檔REST API文檔
文檔寫(xiě)的蠻詳細(xì)的，簡(jiǎn)單概括就是

可以下載使用SDK
不需要下載使用SDK

選擇2.

根據(jù)文檔組裝url獲取token
處理本地音頻以JSON格式POST到百度語(yǔ)音識(shí)別服務(wù)器，獲得返回結(jié)果

語(yǔ)音格式
格式支持：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（壓縮格式）。推薦pcm 采樣率：16000 固定值。編碼：16bit 位深的單聲道。

百度服務(wù)端會(huì)將非pcm格式，轉(zhuǎn)為pcm格式，因此使用wav、amr會(huì)有額外的轉(zhuǎn)換耗時(shí)。

保存為pcm格式可以識(shí)別，只是windows自帶播放器識(shí)別不了pcm格式的，所以改用wav格式，畢竟用的模塊是wave?

首先是本地錄音

import wave
from pyaudio import PyAudio, paInt16

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'

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()

#錄音
def my_record():
    pa = PyAudio()
    #打開(kāi)一個(gè)新的音頻stream
    stream = pa.open(format=paInt16, channels=channels,
                     rate=framerate, input=True, frames_per_buffer=num_samples)
    my_buf = [] #存放錄音數(shù)據(jù)

    t = time.time()
    print('正在錄音...')
 
    while time.time() < t + 4:  # 設(shè)置錄音時(shí)間（秒）
    	#循環(huán)read，每次read 2000frames
        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()

然后是獲取token

import requests
import base64 #百度語(yǔ)音要求對(duì)本地語(yǔ)音二進(jìn)制數(shù)據(jù)進(jìn)行base64編碼

#組裝url獲取token，詳見(jiàn)文檔
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']



#傳入語(yǔ)音二進(jìn)制數(shù)據(jù)，token
#dev_pid為百度語(yǔ)音識(shí)別提供的幾種語(yǔ)言選擇
def speech2text(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('正在識(shí)別...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result

最后就是對(duì)返回的結(jié)果進(jìn)行匹配，這里使用webbrowser這個(gè)模塊

webbrower.open(url)

完整demo

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Date    : 2018-12-02 19:04:55
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'

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('正在錄音...')
  
    while time.time() < t + 4:  # 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 = '*******'
    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('正在識(shí)別...')
    r = requests.post(url, json=data, headers=headers)
    Result = r.json()
    if 'result' in Result:
        return Result['result'][0]
    else:
        return Result


def openbrowser(text):
    maps = {
        '百度': ['百度', 'baidu'],
        '騰訊': ['騰訊', 'tengxun'],
        '網(wǎng)易': ['網(wǎng)易', 'wangyi']

    }
    if text in maps['百度']:
        webbrowser.open_new_tab('https://www.baidu.com')
    elif text in maps['騰訊']:
        webbrowser.open_new_tab('https://www.qq.com')
    elif text in maps['網(wǎng)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('請(qǐng)輸入數(shù)字選擇語(yǔ)言：')
        devpid = input('1536：普通話(簡(jiǎn)單英文),1537:普通話(有標(biāo)點(diǎn)),1737:英語(yǔ),1637:粵語(yǔ),1837:四川話\n')
        my_record()
        TOKEN = getToken(HOST)
        speech = get_audio(FILEPATH)
        result = speech2text(speech, TOKEN, int(devpid))
        print(result)
        if type(result) == str:
            openbrowser(result.strip('，'))
        flag = input('Continue?(y/n):')

經(jīng)測(cè)試，大吼效果更佳

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶(hù)發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買(mǎi)等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自：大傻子的文淵閣 > 《待分類(lèi)》

舉報(bào)/認(rèn)領(lǐng)