目前，語(yǔ)音識(shí)別，即將語(yǔ)音內(nèi)容轉(zhuǎn)換為文字的技術(shù)已經(jīng)比較成熟，遙想當(dāng)時(shí)錘子發(fā)布會(huì)上展示的訊飛輸入法語(yǔ)音識(shí)別，著實(shí)讓訊飛火了一把。由于此類(lèi)語(yǔ)音識(shí)別需要采集大量的樣本，才能達(dá)到一定的準(zhǔn)確度，個(gè)人很難從零開(kāi)始搭建。但是，許多擁有語(yǔ)音識(shí)別技術(shù)的公司，或多或少會(huì)提供一些API或者SDK供開(kāi)發(fā)者使用，這樣就把語(yǔ)音識(shí)別的門(mén)檻降到了一個(gè)很低的程度，只需幾行代碼即可實(shí)現(xiàn)。下面我介紹以下如何使用Python調(diào)用百度的REST API實(shí)現(xiàn)一個(gè)簡(jiǎn)單的語(yǔ)音識(shí)別。
打開(kāi) http://yuyin.baidu.com/ ，并且使用你的百度賬號(hào)登陸，如果你不是開(kāi)發(fā)者，系統(tǒng)會(huì)自動(dòng)引導(dǎo)你申請(qǐng)成為開(kāi)發(fā)者。
打開(kāi) http://yuyin.baidu.com/app ，點(diǎn)擊創(chuàng)建應(yīng)用，應(yīng)用名稱自己取，選擇合適的應(yīng)用類(lèi)型。下一步，服務(wù)類(lèi)型選擇語(yǔ)音識(shí)別，繼續(xù)點(diǎn)擊下一步，然后就可以關(guān)閉了。
刷新當(dāng)前頁(yè)面，你就可以看到自己創(chuàng)建的應(yīng)用，點(diǎn)擊查看key，這些是進(jìn)行身份識(shí)別的關(guān)鍵信息。
在 http://yuyin.baidu.com/docs/asr/54 可以查看官方文檔，百度提供了兩種方法：隱式發(fā)送是將音頻數(shù)據(jù)打包轉(zhuǎn)換成一個(gè)字符串，放到j(luò)son數(shù)據(jù)包中來(lái)發(fā)送；顯示發(fā)送則是直接發(fā)送語(yǔ)音數(shù)據(jù)。本代碼使用隱式發(fā)送。
注意：使用前要將你的應(yīng)用信息填入適當(dāng)位置
#!/usr/bin/env python# coding: utf-8import urllib2import jsonimport base64import os#設(shè)置應(yīng)用信息baidu_server = "https://openapi.baidu.com/oauth/2.0/token?"grant_type = "client_credentials"client_id = "" #填寫(xiě)API Keyclient_secret = "" #填寫(xiě)Secret Key#合成請(qǐng)求token的URLurl = baidu_server+"grant_type="+grant_type+"&client_id="+client_id+"&client_secret="+client_secret#獲取tokenres = urllib2.urlopen(url).read()data = json.loads(res)token = data["access_token"]PRint token#設(shè)置音頻屬性，根據(jù)百度的要求，采樣率必須為8000，壓縮格式支持pcm（不壓縮）、wav、opus、speex、amrVOICE_RATE = 8000WAVE_FILE = "test.wav" #音頻文件的路徑USER_ID = "hail_hydra" #用于標(biāo)識(shí)的ID，可以隨意設(shè)置WAVE_TYPE = "wav"#打開(kāi)音頻文件，并進(jìn)行編碼f = open(WAVE_FILE, "r")speech = base64.b64encode(f.read())size = os.path.getsize(WAVE_FILE)update = json.dumps({"format":WAVE_TYPE, "rate":VOICE_RATE, 'channel':1,'cuid':USER_ID,'token':token,'speech':speech,'len':size})headers = { 'Content-Type' : 'application/json' } url = "http://vop.baidu.com/server_api"req = urllib2.Request(url, update, headers)r = urllib2.urlopen(req)t = r.read()result = json.loads(t)print resultif result['err_msg']=='success.': Word = result['result'][0].encode('utf-8') if word!='': if word[len(word)-3:len(word)]=='，': print word[0:len(word)-3] else: print word else: print "音頻文件不存在或格式錯(cuò)誤"else: print "錯(cuò)誤"新聞熱點(diǎn)
疑難解答
網(wǎng)友關(guān)注
