使⽤百度API 实现语⾳转⽂字
1.在百度云创建⼀个语⾳产品
在->产品->⼈⼯智能->语⾳技术(选择任何⼀个创建⼀个功能包)也可参考
创建完成之后你将在你的全局，产品服务中看到⾃⼰的语⾳技术其中包括1. 应⽤名称2. AppID 3. API Key 4. Secret Key
5. 还有创建时间·····
其中AppId、API Key、Secret Key都很关键这是，在后⾯接⼊百度API的凭证，我将在后⾯标注出来。
2.参考百度官⽅⽂档
1)语⾳转⽂字（即语⾳识别）的功能实现
⾸先，语⾳识别对⾳频格式及时长有⼀定要求，可使⽤开源的⾳频格式转换及VAD切分⼯具。便于进⾏⾳频处理。拼⾳相似度⼯具可以通过⽐较拼⾳相似度，解决同⾳字问题。
⽬前，SDK调⽤使⽤http接⼝，需要上传完整⽂件。根据接⼝内容：1. ⽀持的语⾳格式
原始 PCM 的录⾳参数必须符合 16k 采样率、16bit 位深、单声道，⽀持的格式有：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）
2. ⽀持的语⾳时长上限为60s，请不要超过这个长度，否则会返回错误。
1、安装语⾳识别 Python SDK
如果已安装pip ，执⾏pip install baidu-aip 即可。
如果已安装setuptools ，执⾏python setup.py install 即可。
2、使⽤百度接⼝：
向远程服务上传整段语⾳进⾏识别参考⽂档参数：
#⽂档⽰例代码：# 读取⽂件
def get_file_content(filePath): with open(filePath, 'rb') as fp: ad()# 识别本地⽂件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, { 'dev_pid': 1536,})
12345678910
1. speech Buffer 建⽴包含语⾳内容的Buffer对象, 语⾳⽂件的格式，pcm 或者 wav 或者 amr。不区分⼤⼩写
2. format String 语⾳⽂件的格式，pcm 或者 wav 或者 amr。不区分⼤⼩写。推荐pcm⽂件
3. rate int 采样率，16000，固定值
4. cuid String ⽤户唯⼀标识，⽤来区分⽤户，填写机器 MAC 地址或 IMEI 码，长度为60以内
5. dev_pid Int 不填写lan参数⽣效，都不填写，默认1537（普通话 输⼊法模型），dev_pid参数见本节开头的表格
dev_pid参数列表
dev_pid语⾔模型是否有标点备注1536普通话(⽀持简单的英⽂识别)搜索模型⽆标点⽀持⾃定义词库1537普通话(纯中⽂识别)输⼊法模型有标点⽀持⾃定义词库1737英语⽆标点不⽀持⾃定义词库1637粤语有标点不⽀持⾃定义词库1837四川话有标点不⽀持⾃定义词库1936普通话远场远场模型有标点不⽀持成功返回样例：
错误信息参考：
错误码⽤户输
⼊/服
务端
含义⼀般解决⽅法
3300⽤户输
⼊错误
输⼊参数不正
确
请仔细核对⽂档及参照demo，核对输⼊参数
3301⽤户输
⼊错误
⾳频质量过差请上传清晰的⾳频
3302⽤户输
⼊错误
鉴权失败
token字段校验失败。请使⽤正确的API_KEY 和 SECRET_KEY⽣成。或QPS、调⽤量超出限额。或⾳频采样率不正
确（可尝试更换为16k采样率）。
3303服务端
问题
语⾳服务器后
端问题
请将api返回结果反馈⾄论坛或者QQ
3304⽤户请
求超限
⽤户的请求
QPS超限
请降低识别api请求频率 （qps以appId计算，移动端如果共⽤则累计）
3305⽤户请
求超限
⽤户的⽇
pv（⽇请求
量）超限
请“申请提⾼配额”，如果暂未通过，请降低⽇请求量
3307服务端
问题
语⾳服务器后
端识别出错问
题
⽬前请确保16000的采样率⾳频时长低于30s。如果仍有问题，请将api返回结果反馈⾄论坛或者QQ
3308⽤户输
⼊错误
⾳频过长⾳频时长不超过60s，请将⾳频时长截取为60s以下
3309
⽤户输
⼊错误
模块建房厂家⾳频数据问题
服务端⽆法将⾳频转为pcm格式，可能是长度问题，⾳频格式问题等。 请将输⼊的⾳频时长截取为60s以下，并核对
下⾳频的编码，是否是16K， 16bits，单声道。⽤户输输⼊的⾳频⽂语⾳⽂件共有3种输⼊⽅式： json ⾥的speech 参数（base64后）； 直接post ⼆进制数据，及callback参数⾥{"corpus_no":"6798493061260544840","err_msg":"success.",
"err_no":0,
"result":["百度是⽠⽪。"],"sn":"666502245331582897515"}
1 2 3
3310⼊错误
件过⼤url。 分别对应三种情况：json超过10M；直接post的语⾳⽂件超过10M；callback⾥回调url的⾳频⽂件超过10M
3311
⽤户输⼊错误
采样率rate参数不在选项⾥
⽬前rate参数仅提供16000，填写4000即会有此错误
3312
⽤户输⼊错误
⾳频格式format参数不
在选项⾥
⽬前格式仅仅⽀持pcm，wav或amr，如填写mp3即会有此错误
错误码⽤户输⼊/服务端含义⼀般解决⽅法
⼀般问题均在此表格⾥。下⾯贴出代码已经我的测试结果：# coding=utf-8import sys import json import base64import time
恒压供水系统plc程序
IS_PY3 = sys.version_info.major == 3if IS_PY3:
quest import urlopen quest import Request import URLError from urllib.parse import urlencode timer = time.perf_counter else:
from urllib2 import urlopen from urllib2 import Request from urllib2 import URLError from urllib import urlencode if sys.platform == "win32": timer = time.clock else:
# On most other platforms the best timer is time.time() timer = time.time
API_KEY = 'Z98pRtfNVQOGheA77PdbqSli'
SECRET_KEY = 'DMKRQo8uTuSbhtb5gamaM4bMZGNrSQGG'# 需要识别的⽂件
AUDIO_FILE = 'baidu.pcm' # 只⽀持 pcm/wav/amr 格式，极速版额外⽀持m4a 格式# ⽂件格式
FORMAT = AUDIO_FILE[-3:] # ⽂件后缀只⽀持 pcm/wav/amr 格式，极速版额外⽀持m4a 格式CUID = '123456PYTHON'# 采样率
RATE = 16000 # 固定值# 普通版
DEV_PID = 1537 # 1537 表⽰识别普通话，使⽤输⼊法模型。1536表⽰识别普通话，使⽤搜索模型。根据⽂档填写PID ，选择语⾔及识别模型ASR_URL = 'vop.baidu/server_api'
SCOPE = 'audio_voice_assistant_get' # 有此scope 表⽰有asr 能⼒，没有请在⽹页⾥勾选，⾮常旧的应⽤可能没有
#测试⾃训练平台需要打开以下信息， ⾃训练平台模型上线后，您会看见 第⼆步：“”获取专属模型参数pid:8001，modelid:1234”，按照这个信息获取 dev_pid=8# DEV_PID = 8001 ; # LM_ID = 1234 ;
# 极速版 打开注释的话请填写⾃⼰申请的appkey appSecret ，并在⽹页中开通极速版（开通后可能会收费）# DEV_PID = 80001
# ASR_URL = 'vop.baidu/pro_api'
十八岁ppt免费模板下载# SCOPE = 'brain_enhanced_asr' # 有此scope 表⽰有极速版能⼒，没有请在⽹页⾥开通极速版
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253
# SCOPE = 'brain_enhanced_asr' # 有此scope 表⽰有极速版能⼒，没有请在⽹页⾥开通极速版# 忽略scope 检查，⾮常旧的应⽤可能没有# SCOPE = False
class DemoError(Exception): pass
""" TOKEN start """
rm删除所有文件TOKEN_URL = 'openapi.baidu/oauth/2.0/token'
def fetch_token():
params = {'grant_type': 'client_credentials', 'client_id': API_KEY,
'client_secret': SECRET_KEY} post_data = urlencode(params) if (IS_PY3):
post_data = de( 'utf-8') req = Request(TOKEN_URL, post_data) try:
f = urlopen(req) result_str = f.read() except URLError as err:
print('token http response http code : ' + de)) result_str = ad() if (IS_PY3):
result_str = result_str.decode() print(result_str)
result = json.loads(result_str) print(result)
if ('access_token' in result.keys() and 'scope' in result.keys()): print(SCOPE)
if SCOPE and (not SCOPE in result['scope'].split(' ')): # SCOPE = False 忽略检查 raise DemoError('scope is not correct')
print('SUCCESS WITH TOKEN: %s EXPIRES IN SECONDS: %s' % (result['access_token'], result['expires_in'])) return result['access_token'] else:
raise DemoError('MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response')""" TOKEN end """
if __name__ == '__main__': token = fetch_token() speech_data = []
with open(AUDIO_FILE, 'rb') as speech_file: speech_data = ad() length = len(speech_data) if length == 0:
raise DemoError('file %s length read 0 bytes' % AUDIO_FILE) speech = base64.b64encode(speech_data) if (IS_PY3):
speech = str(speech, 'utf-8') params = {'dev_pid': DEV_PID,
#"lm_id" : LM_ID, #测试⾃训练平台开启此项 'format': FORMAT, 'rate': RATE, 'token': token, 'cuid': CUID, 'channel': 1, 'speech': speech,
5354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118
输出：显然输出在最后⼀⾏。
'speech': speech, 'len': length }
post_data = json.dumps(params, sort_keys=False) # print post_data
req = Request(ASR_URL, de('utf-8')) req.add_header('Content-Type', 'application/json') try:
begin = timer() f = urlopen(req) result_str = f.read()
powershell怎么使用print ("Request time cost %f" % (timer() - begin)) except URLError as err:
print('asr http response http code : ' + de)) result_str = ad() if (IS_PY3):
result_str = str(result_str, 'utf-8') print(result_str)
with open("","w") as of: of.write(result_str)
118119120121122123124125126127128129130131132133134135136137138
{"access_token":"24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619","session_key":"9mzdXRJMRXk2UGrRPfHouF
brain_nlp_emotion wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test\u6743\u9650 vis-c
{'access_token': '24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619', 'session_key': '9mzdXRJMRXk2UGrRPfHouFivZjF9k3ocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_re
audio_voice_assistant_get
SUCCESS WITH TOKEN: 24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619 EXPIRES IN SECONDS: 2592000Request time cost 2.540582
{"err_msg":"speech quality error.","err_no":3301,"sn":"470283300881582895698"}PS D:\learn Java\pyday\API\API\语⾳识别> python baidushibie.py
{"access_token":"24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619","session_key":"9mzdWBIklEgpIJj0BuuHGod5VXLJ
{'access_token': '24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619', 'session_key': '9mzdWBIklEgpIJj0BuuHGod5VXLJr ApsMisTest_Test 权限 vis-classify_flower lpq_开放 cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp
文件格式转换appaudio_voice_assistant_get
SUCCESS WITH TOKEN: 24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619 EXPIRES IN SECONDS: 2592000Request time cost 1.507672
{"corpus_no":"6798493061260544840","err_msg":"success.","err_no":0,"result":["百度是⽠⽪。"],"sn":"666502245331582897515"}
12345678910111213141516171819
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论