Python使用websocket呼叫語音識別，語音轉文字
阿新 • • 發佈：2021-06-21
@
目錄0. 太長不看系列，直接使用
在1.2官網註冊後拿到APISecret和APIKey，直接複製文章2.5demo程式碼，儲存為real_time_audio_recognition.py，在命令列執行
python real_time_audio_recognition.py -client_secret=您的client_secret -client_id=您的client_id -file_path=test.wav --audio_format=wav --sample_rate=16000
使用中有任何問題，歡迎留言提問。
1. Python呼叫標貝科技語音識別websocket介面，實現語音轉文字
1.1 環境準備：
Python 3
1.2 獲取許可權
標貝科技 https://ai.data-baker.com/#/index
填寫邀請碼fwwqgs，每日免費呼叫量還可以翻倍
1.2.1 登入
點選產品地址進行登入，支援簡訊、密碼、微信三種方式登入。
1.2.2 建立新應用
登入後進入【首頁概覽】，各位開發者可以進行建立多個應用。包括一句話識別、長語音識別、錄音檔案識別；線上合成、離線合成、長文字合成。
1.2.3 選擇服務
進入【已建立的應用】，左側選擇您需呼叫的AI技術服務，右側展示對應服務頁面概覽（您可查詢用量、管理套餐、購買服務量、自主獲取授權、預警管理）。
1.2.4 獲取Key&Secret
通過服務 / 授權管理，獲取對應引數，進行開發配置（獲取訪問令牌token）
拿到Key和Secret就可以正式使用啦！
2. 程式碼實現
2.1 獲取access_token
在拿到Key和Secret後，我們還需要呼叫授權介面獲取access_token，這個access_token有效時長是24小時。
# 獲取access_token用於鑑權
def get_access_token(client_secret, client_id):
grant_type = "client_credentials"
url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}" \
.format(grant_type, client_secret, client_id)
try:
response = requests.post(url)
response.raise_for_status()
except Exception as e:
print(response.text)
raise Exception
else:
access_token = json.loads(response.text).get('access_token')
return access_token
2.2 準備資料
需要根據介面要求設定引數，並且對音訊資料進行分割
# 準備資料
def prepare_data(args, access_token):
# 讀取音訊檔案
with open(args.file_path, 'rb') as f:
file = f.read()
# 填寫Header資訊
audio_format = args.audio_format
sample_rate = args.sample_rate
splited_data = [str(base64.b64encode(file[i:i + 5120]), encoding='utf-8') for i in range(0, len(file), 5120)]
asr_params = {"audio_format": audio_format, "sample_rate": int(sample_rate), "speech_type": 1}
json_list = []
for i in range(len(splited_data)):
if i != len(splited_data) - 1:
asr_params['req_idx'] = i
else:
asr_params['req_idx'] = -len(splited_data) + 1
asr_params["audio_data"] = splited_data[i]
data = {"access_token": access_token, "version": "1.0", "asr_params": asr_params}
json_list.append(json.dumps(data))
return json_list
2.3 配置介面引數
client_secret和client_id：在文章1.2的官網獲取，必填
file_save_path：檔案儲存路徑，必填
audio_format：音訊型別，預設wav格式
sample_rate：取樣率，預設16000Hz
# 獲取命令列輸入引數
def get_args():
parser = argparse.ArgumentParser(description='ASR')
parser.add_argument('-client_secret', type=str, required=True)
parser.add_argument('-client_id', type=str, required=True)
parser.add_argument('-file_path', type=str, required=True)
parser.add_argument('--audio_format', type=str, default='wav')
parser.add_argument('--sample_rate', type=str, default='16000')
args = parser.parse_args()
return args
2.4 建立websocket客戶端
class Client:
def __init__(self, data, uri):
self.data = data
self.uri = uri
#建立連線
def connect(self):
ws_app = websocket.WebSocketApp(uri,
on_open=self.on_open,
on_message=self.on_message,
on_error=self.on_error,
on_close=self.on_close)
ws_app.run_forever()
# 建立連線後傳送訊息
def on_open(self, ws):
print("sending..")
for i in range(len(self.data)):
ws.send(self.data[i])
# 接收訊息
def on_message(self, ws, message):
code = json.loads(message).get("code")
if code != 90000:
# 列印介面錯誤
print(message)
if json.loads(message).get('end_flag') == 1:
print(json.loads(message).get('asr_text'))
# 列印錯誤
def on_error(slef, ws, error):
print("error: ", str(error))
# 關閉連線
def on_close(ws):
print("client closed.")
2.5 完整demo
import argparse
import json
import base64
import requests
import websocket
class Client:
def __init__(self, data, uri):
self.data = data
self.uri = uri
#建立連線
def connect(self):
ws_app = websocket.WebSocketApp(uri,
on_open=self.on_open,
on_message=self.on_message,
on_error=self.on_error,
on_close=self.on_close)
ws_app.run_forever()
# 建立連線後傳送訊息
def on_open(self, ws):
print("sending..")
for i in range(len(self.data)):
ws.send(self.data[i])
# 接收訊息
def on_message(self, ws, message):
code = json.loads(message).get("code")
if code != 90000:
# 列印介面錯誤
print(message)
if json.loads(message).get('end_flag') == 1:
print(json.loads(message).get('asr_text'))
# 列印錯誤
def on_error(slef, ws, error):
print("error: ", str(error))
# 關閉連線
def on_close(ws):
print("client closed.")
# 準備資料
def prepare_data(args, access_token):
# 讀取音訊檔案
with open(args.file_path, 'rb') as f:
file = f.read()
# 填寫Header資訊
audio_format = args.audio_format
sample_rate = args.sample_rate
splited_data = [str(base64.b64encode(file[i:i + 5120]), encoding='utf-8') for i in range(0, len(file), 5120)]
asr_params = {"audio_format": audio_format, "sample_rate": int(sample_rate), "speech_type": 1}
json_list = []
for i in range(len(splited_data)):
if i != len(splited_data) - 1:
asr_params['req_idx'] = i
else:
asr_params['req_idx'] = -len(splited_data) + 1
asr_params["audio_data"] = splited_data[i]
data = {"access_token": access_token, "version": "1.0", "asr_params": asr_params}
json_list.append(json.dumps(data))
return json_list
# 獲取命令列輸入引數
def get_args():
parser = argparse.ArgumentParser(description='ASR')
parser.add_argument('-client_secret', type=str, required=True)
parser.add_argument('-client_id', type=str, required=True)
parser.add_argument('-file_path', type=str, required=True)
parser.add_argument('--audio_format', type=str, default='wav')
parser.add_argument('--sample_rate', type=str, default='16000')
args = parser.parse_args()
return args
# 獲取access_token用於鑑權
def get_access_token(client_secret, client_id):
grant_type = "client_credentials"
url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}" \
.format(grant_type, client_secret, client_id)
try:
response = requests.post(url)
response.raise_for_status()
except Exception as e:
print(response.text)
raise Exception
else:
access_token = json.loads(response.text).get('access_token')
return access_token
if __name__ == '__main__':
try:
args = get_args()
# 獲取access_token
client_secret = args.client_secret
client_id = args.client_id
access_token = get_access_token(client_secret, client_id)
# 準備資料
data = prepare_data(args, access_token)
uri = "wss://openapi.data-baker.com/asr/realtime"
# 建立Websocket連線
client = Client(data, uri)
client.connect()
except Exception as e:
print(e)
2.5 執行
複製所有程式碼，確定音訊為wav格式，取樣率為16K，在命令列執行
python real_time_audio_recognition.py -client_secret=您的client_secret -client_id=您的client_id -file_path=test.wav --audio_format=wav --sample_rate=16000
填寫邀請碼fwwqgs，每日免費呼叫量還可以翻倍