python调用百度语音REST API

本文实例为大家分享了python调用百度语音REST API的具体代码，供大家参考，具体内容如下

（百度的rest接口的部分网址发生了一定的变化，相关代码已更新）

百度通过 REST API 的方式给开发者提供一个通用的 HTTP 接口，基于该接口，开发者可以轻松的获得语音合成与语音识别能力。SDK中只提供了PHP、C和JAVA的相关样例，使用python也可以灵活的对端口进行调用，本文描述了简单使用Python调用百度语音识别服务 REST API 的简单样例。

1、语音识别与语音合成的调用

注册开发者帐号和创建应用的过程就不再赘述，百度的REST API在调用过程基本分为三步：

• 获取token

• 向Rest接口提交数据

• 处理返回数据
  

具体代码如下所示：

#!/usr/bin/python3

import urllib.request
import urllib
import json
import base64
class BaiduRest:
 def __init__(self, cu_id, api_key, api_secert):
   # token认证的url
   self.token_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=％s&client_secret=％s"
   # 语音合成的resturl
   self.getvoice_url = "http://tsn.baidu.com/text2audio?tex=％s&lan=zh&cuid=％s&ctp=1&tok=％s"
   # 语音识别的resturl
   self.upvoice_url = 'http://vop.baidu.com/server_api'

self.cu_id = cu_id
   self.getToken(api_key, api_secert)
   return

def getToken(self, api_key, api_secert):
   # 1.获取token
   token_url = self.token_url ％ (api_key,api_secert)

r_str = urllib.request.urlopen(token_url).read()
   token_data = json.loads(r_str)
   self.token_str = token_data['access_token']
   pass

def getVoice(self, text, filename):
   # 2. 向Rest接口提交数据
   get_url = self.getvoice_url ％ (urllib.parse.quote(text), self.cu_id, self.token_str)

voice_data = urllib.request.urlopen(get_url).read()
   # 3.处理返回数据
   voice_fp = open(filename,'wb+')
   voice_fp.write(voice_data)
   voice_fp.close()
   pass

def getText(self, filename):
   # 2. 向Rest接口提交数据
   data = {}
   # 语音的一些参数
   data['format'] = 'wav'
   data['rate'] = 8000
   data['channel'] = 1
   data['cuid'] = self.cu_id
   data['token'] = self.token_str
   wav_fp = open(filename,'rb')
   voice_data = wav_fp.read()
   data['len'] = len(voice_data)
   data['speech'] = base64.b64encode(voice_data).decode('utf-8')
   post_data = json.dumps(data)
   r_data = urllib.request.urlopen(self.upvoice_url,data=bytes(post_data,encoding="utf-8")).read()
   # 3.处理返回数据
   return json.loads(r_data)['result']

if __name__ == "__main__":
 # 我的api_key,供大家测试用，在实际工程中请换成自己申请的应用的key和secert
 api_key = "SrhYKqzl3SE1URnAEuZ0FKdT"
 api_secert = "hGqeCkaMPb0ELMqtRGc2VjWdmjo7T89d"
 # 初始化
 bdr = BaiduRest("test_python", api_key, api_secert)
 # 将字符串语音合成并保存为out.mp3
 bdr.getVoice("你好北京邮电大学!", "out.mp3")
 # 识别test.wav语音内容并显示
 print(bdr.getText("out.wav"))

2、调用pyaudio使用麦克风录制声音

python中的pyaudio库可以直接通过麦克风录制声音，可使用pip进行安装。我们可以通过调用该库，获取到wav测试语音。
具体代码如下所示：

#!/usr/bin/python3
# -*- coding: utf-8 -*-

from pyaudio import PyAudio, paInt16
import numpy as np
from datetime import datetime
import wave

class recoder:
 NUM_SAMPLES = 2000   #pyaudio内置缓冲大小
 SAMPLING_RATE = 8000  #取样频率
 LEVEL = 500     #声音保存的阈值
 COUNT_NUM = 20   #NUM_SAMPLES个取样之内出现COUNT_NUM个大于LEVEL的取样则记录声音
 SAVE_LENGTH = 8     #声音记录的最小长度：SAVE_LENGTH * NUM_SAMPLES 个取样
 TIME_COUNT = 60   #录音时间，单位s

Voice_String = []

def savewav(self,filename):
   wf = wave.open(filename, 'wb')
   wf.setnchannels(1)
   wf.setsampwidth(2)
   wf.setframerate(self.SAMPLING_RATE)
   wf.writeframes(np.array(self.Voice_String).tostring())
   # wf.writeframes(self.Voice_String.decode())
   wf.close()

def recoder(self):
   pa = PyAudio()
   stream = pa.open(format=paInt16, channels=1, rate=self.SAMPLING_RATE, input=True,
     frames_per_buffer=self.NUM_SAMPLES)
   save_count = 0
   save_buffer = []
   time_count = self.TIME_COUNT

while True:
     time_count -= 1
     # print time_count
     # 读入NUM_SAMPLES个取样
     string_audio_data = stream.read(self.NUM_SAMPLES)
     # 将读入的数据转换为数组
     audio_data = np.fromstring(string_audio_data, dtype=np.short)
     # 计算大于LEVEL的取样的个数
     large_sample_count = np.sum( audio_data > self.LEVEL )
     print(np.max(audio_data))
     # 如果个数大于COUNT_NUM，则至少保存SAVE_LENGTH个块
     if large_sample_count > self.COUNT_NUM:
       save_count = self.SAVE_LENGTH
     else:
       save_count -= 1

if save_count < 0:
       save_count = 0

if save_count > 0 :
     # 将要保存的数据存放到save_buffer中
       #print save_count > 0 and time_count >0
       save_buffer.append( string_audio_data )
     else:
     #print save_buffer
     # 将save_buffer中的数据写入WAV文件，WAV文件的文件名是保存的时刻
       #print "debug"
       if len(save_buffer) > 0 :
         self.Voice_String = save_buffer
         save_buffer = []
         print("Recode a piece of voice successfully!")
         return True
     if time_count==0:
       if len(save_buffer)>0:
         self.Voice_String = save_buffer
         save_buffer = []
         print("Recode a piece of voice successfully!")
         return True
       else:
         return False

if __name__ == "__main__":
 r = recoder()
 r.recoder()
 r.savewav("test.wav")  

来源：https://blog.csdn.net/wolfblood_zzx/article/details/46418635