快捷導(dǎo)航

基于python實(shí)現(xiàn)語音錄入識(shí)別代碼實(shí)例

更新時(shí)間：2020年01月17日 10:09:01 作者：Maple_feng

這篇文章主要介紹了如何通過python實(shí)現(xiàn)語音錄入識(shí)別,文中通過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,需要的朋友可以參考下

一、介紹

1.第一步錄音存入本地

2.調(diào)用百度語音識(shí)別sdk

注意點(diǎn)：百度語音識(shí)別對(duì)聲音源有要求，比特率必須是256kbps

二、代碼

#安裝必要庫
pip install baidu-aip #百度sdk
pip install pyaudio

import wave
import pyaudio
from aip import AipSpeech

def record():
 # 定義數(shù)據(jù)流塊
 CHUNK = 1024
 FORMAT = pyaudio.paInt16
 # 想要百度識(shí)別，下面這兩參數(shù)必須這樣設(shè)置，使得比特率為256kbps
 CHANNELS = 1
 RATE = 16000
 # 錄音時(shí)間
 RECORD_SECONDS = 8
 # 要寫入的文件名
 WAVE_OUTPUT_FILENAME = "output.wav"
 # 創(chuàng)建PyAudio對(duì)象
 p = pyaudio.PyAudio()

 # 打開數(shù)據(jù)流
 stream = p.open(format=FORMAT,
     channels=CHANNELS,
     rate=RATE,
     input=True,
     frames_per_buffer=CHUNK)

 print("* recording")

 # 開始錄音
 frames = []
 for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
  data = stream.read(CHUNK)
  frames.append(data)

 print("* done recording")
 # 停止數(shù)據(jù)流
 stream.stop_stream()
 stream.close()

 # 關(guān)閉PyAudio
 p.terminate()

 # 寫入錄音文件
 wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
 wf.setnchannels(CHANNELS)
 wf.setsampwidth(p.get_sample_size(FORMAT))
 wf.setframerate(RATE)
 wf.writeframes(b''.join(frames))
 wf.close()
def ASR():
 # 錄音
 record()

 """ 你的 APPID AK SK """
 APP_ID = '****'
 API_KEY = '****'
 SECRET_KEY = '****'

 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

 # 讀取文件
 def get_file_content(filePath):
  with open(filePath, 'rb') as fp:
   return fp.read()

 # 識(shí)別本地文件
 res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
  'dev_pid': 1536,
 })

 print(res)
if __name__ == '__main__':
 ASR()

三、語音命令控制程序

import wave
import pyaudio
from aip import AipSpeech
import win32api

def record():
 # 定義數(shù)據(jù)流塊
 CHUNK = 1024
 FORMAT = pyaudio.paInt16
 # 想要百度識(shí)別，下面這兩參數(shù)必須這樣設(shè)置，使得比特率為256kbps
 CHANNELS = 1
 RATE = 16000
 # 錄音時(shí)間
 RECORD_SECONDS = 8
 # 要寫入的文件名
 WAVE_OUTPUT_FILENAME = "output.wav"
 # 創(chuàng)建PyAudio對(duì)象
 p = pyaudio.PyAudio()

 # 打開數(shù)據(jù)流
 stream = p.open(format=FORMAT,
     channels=CHANNELS,
     rate=RATE,
     input=True,
     frames_per_buffer=CHUNK)

 print("* recording")

 # 開始錄音
 frames = []
 for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
  data = stream.read(CHUNK)
  frames.append(data)

 print("* done recording")
 # 停止數(shù)據(jù)流
 stream.stop_stream()
 stream.close()

 # 關(guān)閉PyAudio
 p.terminate()

 # 寫入錄音文件
 wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
 wf.setnchannels(CHANNELS)
 wf.setsampwidth(p.get_sample_size(FORMAT))
 wf.setframerate(RATE)
 wf.writeframes(b''.join(frames))
 wf.close()
def ASR():
 # 錄音
 record()

 """ 你的 APPID AK SK """
 APP_ID = '****'
 API_KEY = '****'
 SECRET_KEY = '****'

 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

 # 讀取文件
 def get_file_content(filePath):
  with open(filePath, 'rb') as fp:
   return fp.read()

 # 識(shí)別本地文件
 res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
  'dev_pid': 1536,
 })
 if not res.get("err_no"):
  return res.get("result")[0]
 return res.get("err_no")

def control(order):
 # 命令對(duì)應(yīng)的程序路徑
 open_order={"打開QQ":r"C:\Program Files (x86)\Tencent\QQ\Bin\QQScLauncher.exe","打開記事本":r"D:\Notepad++\notepad++.exe","打開瀏覽器":r"C:\Users\ffm11\AppData\Roaming\360se6\Application\360se.exe"}
 res=open_order.get(order)
 if res:
  # 參數(shù)1：用于指定父窗口句柄。當(dāng)函數(shù)調(diào)用過程出現(xiàn)錯(cuò)誤時(shí)，它將作為Windows消息窗口的父窗口
  # 參數(shù)2：用于指定要進(jìn)行的操作。
  # “open”操作表示執(zhí)行由lpFile參數(shù)指定的程序，或打開由lpFile參數(shù)指定的文件或文件夾；
  # “print”操作表示打印由lpFile參數(shù)指定的文件；
  # “explore”操作表示瀏覽由lpFile參數(shù)指定的文件夾。
  # 參數(shù)3：用于指定要打開的文件名、要執(zhí)行的程序文件名或要瀏覽的文件夾名。
  # 參數(shù)4：若lpFile參數(shù)是一個(gè)可執(zhí)行程序，則此參數(shù)指定命令行參數(shù)，否則此參數(shù)應(yīng)為NULL.
  # 參數(shù)5：若lpFile參數(shù)是一個(gè)可執(zhí)行程序，則此參數(shù)指定程序窗口的初始顯示方式，否則此參數(shù)應(yīng)設(shè)置為0。
  # 這個(gè)參數(shù)常用的常數(shù)：
  # SW_HIDE 隱藏窗口，活動(dòng)狀態(tài)給令一個(gè)窗口
  # SW_MINIMIZE 最小化窗口，活動(dòng)狀態(tài)給令一個(gè)窗口
  # SW_RESTORE 用原來的大小和位置顯示一個(gè)窗口，同時(shí)令其進(jìn)入活動(dòng)狀態(tài)
  # SW_SHOW 用當(dāng)前的大小和位置顯示一個(gè)窗口，同時(shí)令其進(jìn)入活動(dòng)狀態(tài)
  # SW_SHOWMAXIMIZED 最大化窗口，并將其激活
  # SW_SHOWMINIMIZED 最小化窗口，并將其激活
  # SW_SHOWMINNOACTIVE 最小化一個(gè)窗口，同時(shí)不改變活動(dòng)窗口
  # SW_SHOWNA 用當(dāng)前的大小和位置顯示一個(gè)窗口，不改變活動(dòng)窗口
  # SW_SHOWNOACTIVATE 用最近的大小和位置顯示一個(gè)窗口，同時(shí)不改變活動(dòng)窗口
  win32api.ShellExecute(0, 'open', res, '', '', 1)
 else:
  print("語音命令失敗")

if __name__ == '__main__':
 order=ASR()
 control(order.rstrip("。"))

以上就是本文的全部內(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。

您可能感興趣的文章: