前言与介绍
本文章介绍了如何在Pycharm上用python语言简单的对连接百度ai开放平台的语音识别功能api端口的调用，并在代码里实现了现录音识别内容。
平台与相关工具
windows10、Pycharm、Python3.9
百度智能云官网为：百度ai开放平台官网
操作流程
-
注册百度智能云账号并打开控制台
百度ai平台有许多现有的功能端口可以使用 -
创建自己的应用并按需求开通端口
比如我这里开启了短语音识别的四种语言端口
-
创建应用后在应用中心可以查询应用的API KEY与Secret Key（这两个最重要且在后续需要用到）
-
为自己的账户充一点点钱（一两块就行），每次调用端口会有一点点的消费
-
通过代码调用端口
# encoding:utf-8
import wave
import requests
import time
import base64
from pyaudio import PyAudio, paInt16import webbrowserframerate = 16000 # 采样率
num_samples = 2000 # 采样点
channels = 1 # 声道
sampwidth = 2 # 采样宽度 2bytes
FILEPATH = 'speech.wav' # 设置语音文件保存位置
base_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
APIKey = "这里填入自己的"
SecretKey = "这里填入自己的"
HOST = base_url % (APIKey, SecretKey)def getToken(host):res = requests.post(host) #获取 access_tokenreturn 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 = 0t = time.time()print('正在录音...')while time.time() < t + 5: # 秒string_audio_data = stream.read(num_samples)my_buf.append(string_audio_data)print('录音结束.')save_wave_file(FILEPATH, my_buf)stream.close()def get_audio(file):with open(file, 'rb') as f:data = f.read()return datadef speech2text(speech_data, token, dev_pid=1537):FORMAT = 'wav'RATE = '16000'CHANNEL = 1CUID = 'ag2s'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','Accept': 'application/json'}# r=requests.post(url,data=json.dumps(data),headers=headers)print('正在识别...')r = requests.post(url, json=data, headers=headers)Result = r.json()if 'result' in Result:return Result['result'][0]else:return Resultif __name__ == '__main__':flag = 'y'while flag.lower() == 'y':print('请输入数字选择语言：')devpid = input('1536：普通话(简单英文),1537:普通话(有标点),1737:英语,1637:粤语,1837:四川话\n')my_record()TOKEN = getToken(HOST)speech = get_audio(FILEPATH)result = speech2text(speech, TOKEN, int(devpid))print(result)flag = input('Continue?(y/n):')
代码运行后结果如下：
dev_pid表格如下：
注意:百度短语音识别之接受60秒以下的音频识别成文字，并有音频格式和编码的要求，如果输入的音频不符合要求需要进行转换（具体方法请查看官方提供的api文档）官方音频转换方式
