目前，語音識別，即將語音內容轉換為文字的技術已經比較成熟，遙想當時錘子發布會上展示的訊飛輸入法語音識別，著實讓訊飛火了一把。由于此類語音識別需要采集大量的樣本，才能達到一定的準確度，個人很難從零開始搭建。但是，許多擁有語音識別技術的公司，或多或少會提供一些API或者SDK供開發者使用，這樣就把語音識別的門檻降到了一個很低的程度，只需幾行代碼即可實現。下面我介紹以下如何使用Python調用百度的REST API實現一個簡單的語音識別。
打開 http://yuyin.baidu.com/ ，并且使用你的百度賬號登陸，如果你不是開發者，系統會自動引導你申請成為開發者。
打開 http://yuyin.baidu.com/app ，點擊創建應用，應用名稱自己取，選擇合適的應用類型。下一步，服務類型選擇語音識別，繼續點擊下一步，然后就可以關閉了。
刷新當前頁面，你就可以看到自己創建的應用，點擊查看key，這些是進行身份識別的關鍵信息。
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：隱式發送是將音頻數據打包轉換成一個字符串，放到json數據包中來發送；顯示發送則是直接發送語音數據。本代碼使用隱式發送。
注意：使用前要將你的應用信息填入適當位置
#!/usr/bin/env python# coding: utf-8import urllib2import jsonimport base64import os#設置應用信息baidu_server = "https://openapi.baidu.com/oauth/2.0/token?"grant_type = "client_credentials"client_id = "" #填寫API Keyclient_secret = "" #填寫Secret Key#合成請求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#設置音頻屬性，根據百度的要求，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" #用于標識的ID，可以隨意設置WAVE_TYPE = "wav"#打開音頻文件，并進行編碼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誤"else: print "錯誤"新聞熱點
疑難解答
