python語(yǔ)音識(shí)別實(shí)踐之百度語(yǔ)音API
百度語(yǔ)音對(duì)上傳的語(yǔ)音要求目前必須是單聲道,16K采樣率,采樣深度可以是16位或者8位的PCM編碼。其他編碼輸出的語(yǔ)音識(shí)別不出來(lái)。
語(yǔ)音的處理技巧:
錄制為MP3的語(yǔ)音(通常采樣率為44100),要分兩步才能正確處理。第一步:使用諸如GoldWave的軟件,先保存為16K采樣率的MP3;第二步,打開(kāi)16K采樣率的MP3,另存為Wav格式,參數(shù)選擇PCM,單聲道即可。
另外,也可以使用ffmpeg將MP3處理為PCM。后文的程序即采用這種方法。
由于PCM編碼的語(yǔ)音沒(méi)有壓縮,文件體積與語(yǔ)音長(zhǎng)度成正比。百度語(yǔ)音平臺(tái)對(duì)語(yǔ)音的長(zhǎng)度的限制未知。文件太大,網(wǎng)速不好的時(shí)候,容易出現(xiàn)”連接錯(cuò)誤“的提示。因此,對(duì)時(shí)間較長(zhǎng)的語(yǔ)音,應(yīng)該將語(yǔ)音分割成多個(gè)序列,在分別進(jìn)行識(shí)別。(目前按照等長(zhǎng)分割)
以下代碼,使用前,需要在baidu 開(kāi)發(fā)者上申請(qǐng)相關(guān)的API ID, API Key, Secret Key,并以申請(qǐng)的參數(shù)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
# 定義常量
#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對(duì)象
aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 文件處理
def get_wave_filename(fileFullName):
# MP3文件轉(zhuǎn)換成wav文件
# 判斷文件后綴,是mp3的,直接處理為16k采樣率的wav文件;
# 是wav的,判斷文件的采樣率,不是8k或者16k的,直接處理為16k的采樣率的wav文件
# 其他情況,就直接返回AudioSegment直接處理
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("參數(shù) 文件名 未指定!")
exit()
if not os.path.isfile(fileFullName):
print("參數(shù) %s 不是一個(gè)文件名" %fileFullName)
exit()
if not os.path.exists(fileFullName):
print("參數(shù) %s 指定的文件不存在" %fileFullName)
exit()
filePath = fileFullName[:fileFullName.find(os.sep)+1]
# 文件處理為Wav,采樣率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:]
# 把分段的語(yǔ)音信息保存為臨時(shí)文件
file_handle = recSeg.export(segFile,format="wav",codec = "libvorbis")
file_handle.close()
# 讀取分段的臨時(shí)文件為字節(jié)
file_handle = open(segFile, 'rb')
file_content = file_handle.read()
file_handle.close()
# 刪除臨時(shí)文件
os.remove(segFile)
# 用百度API處理該語(yǔ)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']))
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python--模塊(Module)和包(Package)詳解
這篇文章主要介紹了Python中模塊(Module)和包(Package)的區(qū)別詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-09-09
Python導(dǎo)入或執(zhí)行python源文件的3種方法
這篇文章主要給大家介紹了關(guān)于Python導(dǎo)入或執(zhí)行python源文件的3種方法,python源代碼的文件以"py"為擴(kuò)展名,由python.exe解釋,可以在控制臺(tái)下運(yùn)行,需要的朋友可以參考下2023-08-08
selenium執(zhí)行js并繞過(guò)webdriver監(jiān)測(cè)常見(jiàn)方法
這篇文章主要為大家介紹了selenium執(zhí)行js并繞過(guò)webdriver監(jiān)測(cè)常見(jiàn)方法,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步早日升職加薪2022-04-04
基于Python的接口自動(dòng)化unittest測(cè)試框架和ddt數(shù)據(jù)驅(qū)動(dòng)詳解
這篇文章主要介紹了基于Python的接口自動(dòng)化unittest測(cè)試框架和ddt數(shù)據(jù)驅(qū)動(dòng)詳解,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-01-01
python GUI庫(kù)圖形界面開(kāi)發(fā)之pyinstaller打包python程序?yàn)閑xe安裝文件
這篇文章主要介紹了python GUI庫(kù)圖形界面開(kāi)發(fā)之pyinstaller打包python程序?yàn)閑xe安裝文件,需要的朋友可以參考下2020-02-02
python 統(tǒng)計(jì)列表中不同元素的數(shù)量方法
今天小編就為大家分享一篇python 統(tǒng)計(jì)列表中不同元素的數(shù)量方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-06-06
python中cryptography庫(kù)的實(shí)現(xiàn)
本文主要介紹了python中cryptography庫(kù)的實(shí)現(xiàn),包括Fernet、hash、AES、RSA等加密算法的使用,具有一定的參加價(jià)值,感興趣的可以了解一下2025-01-01
python將logging模塊封裝成單獨(dú)模塊并實(shí)現(xiàn)動(dòng)態(tài)切換Level方式
這篇文章主要介紹了python將logging模塊封裝成單獨(dú)模塊并實(shí)現(xiàn)動(dòng)態(tài)切換Level方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05
Python 如何修改程序默認(rèn)時(shí)區(qū)
這篇文章主要介紹了Python 如何修改程序默認(rèn)時(shí)區(qū),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-09-09

