python 获取语音 python调用语音

转载

mob6454cc70219b 2023-08-22 15:33:48

文章标签 python 获取语音人工智能 python json 自定义 文章分类 Python 后端开发

最近新系统上线，刷缓存刷个不停，

python 获取语音 python调用语音_自定义

准备利用语音完成此操作，解放双手，不知道能不能实现，先一点点来。。

实现步骤拆分：

　　1、语音识别（百度语音识别api）

　　2、识别后操作前台实现刷新缓存

　　3、。。。

想要调用百度的语音识别功能，需要如下步骤

　　1、需要先注册百度云的账号

　　2、在控制台中创建个应用，获取到API Key 和 Secret Key

　　3、根据文档中心手册，使用（speech/len方式）JSON格式POST上传本地文件到 http://vop.baidu.com/server_api 或 https://vop.baidu.com/server_api

　　4、根据返回查看报错或成功解析后文字

1）第一步不说

2）第二步完成如图

python 获取语音 python调用语音_人工智能_02

3）json 参数

JSON方式上传

语音数据和其他参数通过标准 JSON 格式串行化 POST 上传， JSON 里包括的参数：

字段名	可需	描述
format	必填	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
rate	必填	采样率，16000，固定值
channel	必填	声道数，仅支持单声道，请填写固定值 1
cuid	必填	用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。
token	必填	开放平台获取到的开发者[access_token]获取 Access Token "access_token")
dev_pid	选填	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
lan	选填，废弃参数	历史兼容参数，请使用dev_pid。如果dev_pid填写，该参数会被覆盖。语种选择,输入法模型，默认中文（zh）。中文=zh、粤语=ct、英文=en，不区分大小写。
url	选填	可下载的语音下载地址，与callback连一起使用，确保百度服务器可以访问。
callback	选填	用户服务器的识别结果回调地址，确保百度服务器可以访问
speech	选填	本地语音文件的的二进制语音数据，需要进行base64 编码。与len参数连一起使用。
len	选填	本地语音文件的的字节数，单位字节

样例：

{
	"format":"pcm",
	"rate":16000,
	"dev_pid":1536,
	"channel":1,
	"token":xxx,
	"cuid":"baidu_workshop",
	"len":4096,
	"speech":"xxx", // xxx为 base64（FILE_CONTENT）
}

注意点：formate 为 语音文件格式
格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）；固定16k 采样率；
cuid：可以随意填，但是必须要有
speech为base64编码格式
dev_pid为不通语种

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	仅采样率16000支持自定义词库
1537	普通话(纯中文识别)	输入法模型	可以有标点	不支持自定义词库
1736	英语	搜索模型	无标点	不支持自定义词库
1737	英语	输入法模型	可以有标点	不支持自定义词库
1636	粤语	搜索模型	无标点	不支持自定义词库
1637	粤语	输入法模型	可以有标点	不支持自定义词库
1836	四川话	搜索模型	无标点	不支持自定义词库
1837	四川话	输入法模型	可以有标点	不支持自定义词库

token参数的获取：

使用Client Credentials获取Access Token需要应用在其服务端发送请求（推荐用POST方法）到百度OAuth2.0授权服务的“ https://openapi.baidu.com/oauth/2.0/token ”地址上，并带上以下参数：

grant_type：必须参数，固定为“client_credentials”；
client_id：必须参数，应用的 API Key；
client_secret：必须参数，应用的 Secret Key;

** 例如：**

https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=Va5yQRHl********LT0vuXV4&client_secret= 0rDSjzQ20XUj5i********PQSzr5pVw2&

我们只需利用requests模块发送post请求到拼出来的url就可以了。

import requests

#获取tokent
baidu_server = "https://openapi.baidu.com/oauth/2.0/token?"
grant_type = "client_credentials"
#API Key
client_id = "qRHV7hrxj8vtAGuZOpG0zW58"
#Secret Key
client_secret = "Bg3Bmx3uPeCUnvuHxnS16HLnNiVPuPnz" 

#拼url
url ="%sgrant_type=%s&client_id=%s&client_secret=%s"%(server,grant_type,client_id,client_secret)
print(url)
#获取token
res = requests.post(url)
print(res.text)
token = json.loads(res.text)["access_token"]
print(token)
#24.b891f76f5d48c0b9587f72e43b726817.2592000.1524124117.282335-10958516

然后拼凑json数据

#设置格式
RATE = "16000"
FORMAT = "amr"
CUID="wate_play"
DEV_PID="1536"

#以字节格式读取文件之后进行编码
with open(r'C:\Users\Administrator\Desktop\16k-23850.amr', "rb") as f:
    speech = base64.b64encode(f.read()).decode('utf8')
size = os.path.getsize(r'C:\Users\Administrator\Desktop\16k-23850.amr')
headers = { 'Content-Type' : 'application/json'} 
url = "https://vop.baidu.com/server_api"
data={

        "format":FORMAT,
        "rate":RATE,
        "dev_pid":DEV_PID,
        "speech":speech,
        "cuid":CUID,
        "len":size,
        "channel":1,
        "token":token,
    }

req = requests.post(url,json.dumps(data),headers)
result = json.loads(req.text)
print(result["result"][0])

运行出结果！

示例音频文件下载：http://speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k.pcm
　　　　　　　　　speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k.wav
　　　　　　　　　speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k-23850.amr

-----------------------------------------------------------------------------------------------------
第二阶段，利用python的 PyAudio 模块，进行录音
参考文档：http://old.sebug.net/paper/books/scipydoc/wave_pyaudio.html#pymediamp3

WAV是Microsoft开发的一种声音文件格式，虽然它支持多种压缩格式，不过它通常被用来保存未压缩的声音数据（PCM脉冲编码调制)。WAV有三个重要的参数：声道数、取样频率和量化位数。

声道数：可以是单声道或者是双声道
采样频率：一秒内对声音信号的采集次数，常用的有8kHz, 16kHz, 32kHz, 48kHz, 11.025kHz, 22.05kHz, 44.1kHz
量化位数：用多少bit表达一次采样所采集的数据，通常有8bit、16bit、24bit和32bit等几种

理论知识不多说了，上面链接中都有的。直接上代码。。

import wave
from pyaudio import PyAudio,paInt16
import json
import base64
import os
import requests
import time


RATE = "16000"
FORMAT = "wav"
CUID="wate_play"
DEV_PID="1536"

framerate=16000
NUM_SAMPLES=2000
channels=1
sampwidth=2
TIME=2

def get_token():
    server = "https://openapi.baidu.com/oauth/2.0/token?"
    grant_type = "client_credentials"
    #API Key
    client_id = "qRHV7hrxj8vtAGuZOpG0zW58"
    #Secret Key
    client_secret = "Bg3Bmx3uPeCUnvuHxnS16HLnNiVPuPnz" 

    #拼url
    url ="%sgrant_type=%s&client_id=%s&client_secret=%s"%(server,grant_type,client_id,client_secret)
    #获取token
    res = requests.post(url)
    token = json.loads(res.text)["access_token"]
    return token
def get_word(token):
    with open(r'C:\Users\Administrator\Desktop\01.wav', "rb") as f:
        speech = base64.b64encode(f.read()).decode('utf8')
    size = os.path.getsize(r'C:\Users\Administrator\Desktop\01.wav')
    headers = { 'Content-Type' : 'application/json'} 
    url = "https://vop.baidu.com/server_api"
    data={
            "format":FORMAT,
            "rate":RATE,
            "dev_pid":DEV_PID,
            "speech":speech,
            "cuid":CUID,
            "len":size,
            "channel":1,
            "token":token,
        }

    req = requests.post(url,json.dumps(data),headers)
    result = json.loads(req.text)
    print(result)
    ret=result["result"][0]
    return result

def save_wave_file(filename,data):
    '''save the date to the wavfile'''
    wf=wave.open(filename,'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=1,
                   rate=framerate,input=True,
                   frames_per_buffer=NUM_SAMPLES)
    my_buf=[]
    count=0
    print('.')
    while count<TIME*10:#控制录音时间
        string_audio_data = stream.read(NUM_SAMPLES)
        my_buf.append(string_audio_data)
        count+=1

    save_wave_file('01.wav',my_buf)
    stream.close()


chunk=2014
def play():
    wf=wave.open(r"01.wav",'rb')
    p=PyAudio()
    stream=p.open(format=p.get_format_from_width(wf.getsampwidth()),channels=
    wf.getnchannels(),rate=wf.getframerate(),output=True)
    while True:
        data=wf.readframes(chunk)
        if data=="":break
        stream.write(data)
    stream.close()
    p.terminate()

if __name__ == '__main__':
    while True:
        time.sleep(5)
        my_record()
        token=get_token()
        try:
            ret = get_word(token)
        except:
            print('失败了')
        print(ret)

循环录音，识别准确性还算不错，可以把常用的词放到txt中上传到，百度云应用中增加识别优先级。

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。