python錄音並呼叫百度語音識別介面的示例
阿新 • • 發佈:2020-12-03
#!/usr/bin/env python import requests import json import base64 import pyaudio import wave import os import psutil #首先配置必要的資訊 def bat(voice_path): baidu_server = 'https://aip.baidubce.com/oauth/2.0/token?' grant_type = 'client_credentials' client_id = 'uj70rS1LiwZ9sQDvMSUqKsie' #API KEY client_secret = 'Q88eav41PzeNLczZ3hlRjhR8e4WShXwD' #Secret KEY 這裡可以自己去百度註冊,這裡是我的API KEY 和 Secret KEY #合成請求token的url url = baidu_server+'grant_type='+grant_type+'&client_id='+client_id+'&client_secret='+client_secret #獲取token res = requests.get(url).text data = json.loads(res) token = data['access_token'] #設定音訊的屬性,取樣率,格式等 VOICE_RATE = 8000 FILE_NAME = voice_path # USER_ID = '16241950' #這裡的id隨便填填就好啦,我填的自己暱稱 FILE_TYPE = 'wav' CUID="wate_play" #讀取檔案二進位制內容 f_obj = open(FILE_NAME,'rb') content = base64.b64encode(f_obj.read()) # 百度語音識別需要base64編碼格式 speech = content.decode("utf-8") size = os.path.getsize(FILE_NAME) #json封裝 datas = json.dumps({ 'format': FILE_TYPE,'rate': VOICE_RATE,'channel': 1,'cuid': CUID,'token': token,'speech': speech,'len': size,"dev_pid":"1536" }) return datas #設定headers和請求地址url def post(datas): headers = {'Content-Type':'application/json'} url = 'https://vop.baidu.com/server_api' # url = "http://vop.baidu.com/server_api" #用post方法傳資料 request = requests.post(url,datas,headers) result = json.loads(request.text) text = result.get("result") if result['err_no'] == 0: return text else: return "Error" def get_audio(filepath): input("回車開始錄音 >>>") #輸出提示文字,input接收一個值,轉為str,賦值給aa CHUNK = 256 #定義資料流塊 FORMAT = pyaudio.paInt16 #量化位數(音量級劃分) CHANNELS = 1 # 聲道數;聲道數:可以是單聲道或者是雙聲道 RATE = 8000 # 取樣率;取樣率:一秒內對聲音訊號的採集次數,常用的有8kHz,16kHz,32kHz,48kHz,11.025kHz,22.05kHz,44.1kHz RECORD_SECONDS = 5 #錄音秒數 WAVE_OUTPUT_FILENAME = filepath #wav檔案路徑 p = pyaudio.PyAudio() #例項化 stream = p.open(format=FORMAT,channels=CHANNELS,rate=RATE,input=True,frames_per_buffer=CHUNK) print("*"*10,"開始錄音:請在5秒內輸入語音") frames = [] #定義一個列表 for i in range(0,int(RATE / CHUNK * RECORD_SECONDS)): #迴圈,取樣率11025 / 256 * 5 data = stream.read(CHUNK) #讀取chunk個位元組 儲存到data中 frames.append(data) #向列表frames中新增資料data # print(frames) print("*" * 10,"錄音結束\n") stream.stop_stream() stream.close() #關閉 p.terminate() #終結 wf = wave.open(WAVE_OUTPUT_FILENAME,'wb') #開啟wav檔案建立一個音訊物件wf,開始寫WAV檔案 wf.setnchannels(CHANNELS) #配置聲道數 wf.setsampwidth(p.get_sample_size(FORMAT)) #配置量化位數 wf.setframerate(RATE) #配置取樣率 wf.writeframes(b''.join(frames)) #轉換為二進位制資料寫入檔案 wf.close() #關閉 return def check_disk(): list_drive = psutil.disk_partitions() # 找出本地磁碟列表,儲存的是結構體物件 list_disk = [] for drive in list_drive: list_disk.append(drive.device) return list_disk if __name__ == '__main__': list_disk = check_disk() # 檢索本地磁碟 dirname_path = os.path.join(list_disk[0],"voice") # 設定語音檔案存放路徑, (mac os下需要自己定儲存路徑) if not os.path.exists(dirname_path): os.makedirs(dirname_path) filename = "voice.wav" # 定義語音檔名 in_path = os.path.join(dirname_path,filename) get_audio(in_path) # 錄音 datas = bat(in_path) # 封裝百度語音識別需要的配置資訊,返回請求頭 res = post(datas) # 連線百度語音識別介面,得到識別結果 print("識別結果:",res[0])
實現效果:
在上述程式碼中,需要裝到requests、psutil、pyaudio等庫,其中pyaudio這個庫在python3環境下裝比較特殊,
windows環境下具體步驟如下:
第一步:下載whl檔案支援
url:https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyaudio
注意:
下載自己python直譯器對應版本的
不要下載錯了,資源很多
第二步:開啟cmd,cd 進入下載的whl所在目錄
執行命令:pip install Twisted-18.7.0-cp36-cp36m-win_amd64.whl # 下載的什麼版本,後面就跟什麼版本
第三步:執行命令:pip install pyaudio 安裝
如果本地同時裝有python2和python3,想裝到python3裡可以在cmd命令裡把 pip 改成 pip3 即可
mac os 下安裝pyaudio步驟如下:
到這裡就結束啦!
以上就是python錄音並呼叫百度語音識別介面的示例的詳細內容,更多關於python 錄音並呼叫語音識別介面的資料請關注我們其它相關文章!