python语音识别实践之百度语音API
作者:fmstereo 发布时间:2021-11-26 19:06:40
标签:python,语音识别,API
百度语音对上传的语音要求目前必须是单声道,16K采样率,采样深度可以是16位或者8位的PCM编码。其他编码输出的语音识别不出来。
语音的处理技巧:
录制为MP3的语音(通常采样率为44100),要分两步才能正确处理。第一步:使用诸如GoldWave的软件,先保存为16K采样率的MP3;第二步,打开16K采样率的MP3,另存为Wav格式,参数选择PCM,单声道即可。
另外,也可以使用ffmpeg将MP3处理为PCM。后文的程序即采用这种方法。
由于PCM编码的语音没有压缩,文件体积与语音长度成正比。百度语音平台对语音的长度的限制未知。文件太大,网速不好的时候,容易出现”连接错误“的提示。因此,对时间较长的语音,应该将语音分割成多个序列,在分别进行识别。(目前按照等长分割)
以下代码,使用前,需要在baidu 开发者上申请相关的API ID, API Key, Secret Key,并以申请的参数代入到文件中。
# 引入Speech SDK
from aip import AipSpeech
import subprocess
import datetime
import sys
import os
import time
from pydub import AudioSegment
import math
# 定义常量
#APP_ID = '你的 App ID'
APP_ID = '937****'
#API_KEY = '你的 API Key'
API_KEY = 'mOV9QaabNnkur0Aba15T****'
#SECRET_KEY = '你的 Secret Key'
SECRET_KEY = '097111374ad26d4ba00937c5e332****'
# 初始化AipSpeech对象
aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 文件处理
def get_wave_filename(fileFullName):
# MP3文件转换成wav文件
# 判断文件后缀,是mp3的,直接处理为16k采样率的wav文件;
# 是wav的,判断文件的采样率,不是8k或者16k的,直接处理为16k的采样率的wav文件
# 其他情况,就直接返回AudioSegment直接处理
fileSufix = fileFullName[fileFullName.rfind('.')+1:]
print(fileSufix)
filePath = fileFullName[:fileFullName.find(os.sep)+1]
print(filePath)
if fileSufix.lower() == "mp3":
wavFile = "wav_%s.wav" %datetime.datetime.now().strftime('%Y%m%d%H%M%S')
wavFile = filePath + wavFile
cmdLine = "ffmpeg -i \"%s\" -ar 16000 " %fileFullName
cmdLine = cmdLine + "\"%s\"" %wavFile
print(cmdLine)
ret = subprocess.run(cmdLine)
print("ret code:%i" %ret.returncode)
return wavFile
#if ret.returncode == 1:
# return wavFile
#else:
# return None
else:
return fileFullName
#文件分片
try:
script, fileFullName = sys.argv
except:
print("参数 文件名 未指定!")
exit()
if not os.path.isfile(fileFullName):
print("参数 %s 不是一个文件名" %fileFullName)
exit()
if not os.path.exists(fileFullName):
print("参数 %s 指定的文件不存在" %fileFullName)
exit()
filePath = fileFullName[:fileFullName.find(os.sep)+1]
# 文件处理为Wav,采样率16k的文件,返回文件名
wavFile = get_wave_filename(fileFullName)
print(wavFile)
record = AudioSegment.from_wav(wavFile)
if wavFile != fileFullName:
time.sleep(1)
os.remove(wavFile)
recLen = record.duration_seconds
interval = 120 * 1000
maxLoop = math.ceil(recLen*1000/float(interval))
for n in range(0,math.ceil(recLen*1000/float(interval))):
recSeg = record[n * interval : (n + 1)*interval]
#print("Segment:%i,startat:%i,length:%i" %n,n*interval/1000,recSeg.duration_seconds)
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> Segment:" + str(n) +"/" + str(maxLoop))
segFile = filePath + "seg%s.wav" %("0"*7 + str(n))[-6:]
# 把分段的语音信息保存为临时文件
file_handle = recSeg.export(segFile,format="wav",codec = "libvorbis")
file_handle.close()
# 读取分段的临时文件为字节
file_handle = open(segFile, 'rb')
file_content = file_handle.read()
file_handle.close()
# 删除临时文件
os.remove(segFile)
# 用百度API处理该语音
result=aipSpeech.asr(file_content, 'pcm', 16000, {'lan': 'zh'})
if result['err_no'] == 0:
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> " + result['result'][0])
else:
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " >> " + "err_no:" + str(result['err_no']))
来源:https://blog.csdn.net/fmstereo/article/details/76869981
0
投稿
猜你喜欢
- 啥都不说了,直接奉献原代码 代码如下:'==========注意==================================
- 图片轮播滤镜转换效果,只支持ie浏览器<img width="156" height="60"
- 1 实验标准因为训练使用的框架是Pytorch,因此读取的实验标准如下:1、读取分辨率都为1920x1080的5张图片
- 如下所示:import urllib.requestimport urllib.parseurl = 'https://weibo.
- (1)Flush的内容至少要有256字节经过反复的测试,我得出一个结论。就是flush的内容至少要有256字节。也就是只有编译产生了至少25
- 前言本文的脚本是分析nginx的访问日志, 主要为了检查站点uri的访问次数的,检查的结果会提供给研发人员做参考,因为谈到分析嘛,那肯定要用
- 1.设置小数位数1.1 数据框设置统一小数位数以保留小数点后两位小数为例:import pandas as pdimport numpy a
- 任务异步化打开浏览器,输入地址,按下回车,打开了页面。于是一个HTTP请求(request)就由客户端发送到服务器,服务器处理请求,返回响应
- 以前在使用Python的时候,都是使用root用户安装好的全局python,现在,因为root用户安装的Python版本太低,同时自己没有r
- 源码安装Python第三方库几乎都可以在github或者 pypi上找到源码。源码包格式大概有zip 、 tar.zip、 tar.bz2。
- 例如,有一个字典如下:>>> dic = {"name": "botoo",&qu
- 本文实例讲述了Python实现随机创建电话号码的方法。分享给大家供大家参考,具体如下:当需要随机的生成一些电话号码的时候,可以使用以下脚本,
- 为什么使用Python 假设我们有这么一项任务:简单测试局域网中的电脑是否连通.这些电脑的ip范围从19
- /** * 递归法实现的快速排序 * @param $seq * @return array */f
- python 包含子目录中的模块方法比较简单,关键是能够在sys.path里面找到通向模块文件的路径。下面将具体介绍几种常用情况: (1)主
- 首先新建一个dataframe:In[8]: df = pd.DataFrame({'name':list('ABC
- Google中秋的logo出来了,酷似一美男站在月亮上,结果被网友弄出一撒尿版来。中国网民好智慧啊~原logo: 撒尿版logo:
- Python在程序并行化方面多少有些声名狼藉。撇开技术上的问题,例如线程的实现和GIL,我觉得错误的教学指导才是主要问题。常见的经典Pyth
- 前言最近助教改作业导出的成绩表格跟老师给的名单顺序不一致,脑壳一亮就用pandas写了个脚本自动吧原始导出的成绩誊写到老师给的名单中了哈哈哈
- 1、什么是混淆矩阵深度学习中,混淆矩阵是ROC曲线绘制的基础,同时它也是衡量分类型模型准确度中最基本,最直观,计算最简单的方法。它可以直观地