目前，語音識別，即將語音內容轉換為文字的技術已經比較成熟，遙想當時錘子釋出會上展示的訊飛輸入法語音識別，著實讓訊飛火了一把。由於此類語音識別需要採集大量的樣本，才能達到一定的準確度，個人很難從零開始搭建。但是，許多擁有語音識別技術的公司，或多或少會提供一些API或者SDK供開發者使用，這樣就把語音識別的門檻降到了一個很低的程度，只需幾行程式碼即可實現。下面我介紹以下如何使用Python呼叫百度的REST API實現一個簡單的語音識別。

註冊賬號，併成為開發者

開啟 http://yuyin.baidu.com/ ，並且使用你的百度賬號登陸，如果你不是開發者，系統會自動引導你申請成為開發者。

建立應用

開啟 http://yuyin.baidu.com/app ，點選建立應用，應用名稱自己取，選擇合適的應用型別。下一步，服務型別選擇語音識別，繼續點選下一步，然後就可以關閉了。

重新整理當前頁面，你就可以看到自己建立的應用，點選檢視key，這些是進行身份識別的關鍵資訊。

程式碼編寫

在 http://yuyin.baidu.com/docs/asr/54 可以檢視官方文件，百度提供了兩種方法：隱式傳送是將音訊資料打包轉換成一個字串，放到json資料包中來發送；顯示傳送則是直接傳送語音資料。本程式碼使用隱式傳送。

注意：使用前要將你的應用資訊填入適當位置

#!/usr/bin/env python
 

# coding: utf-8
import urllib2
import json
import base64
import  os

#設定應用資訊
baidu_server = "https://openapi.baidu.com/oauth/2.0/token?"
grant_type = "client_credentials"
client_id = "" #填寫API Key
client_secret = "" #填寫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 = urllib2.urlopen(url).read()
data = json.loads(res)
token = data["access_token"]
print token

#設定音訊屬性，根據百度的要求，取樣率必須為8000，壓縮格式支援pcm（不壓縮）、wav、opus、speex、amr
VOICE_RATE = 8000
WAVE_FILE = "test.wav" #音訊檔案的路徑
USER_ID = "hail_hydra" #用於標識的ID，可以隨意設定
WAVE_TYPE = "wav"

#開啟音訊檔案，並進行編碼
f = open(WAVE_FILE, "r")
speech = base64.b64encode(f.read())
size = os.path.getsize(WAVE_FILE)
update = json.dumps({"format":WAVE_TYPE, "rate":VOICE_RATE, 'channel':1,'cuid':USER_ID,'token':token,'speech':speech,'len':size})
headers = { 'Content-Type' : 'application/json' } 
url = "http://vop.baidu.com/server_api"
req = urllib2.Request(url, update, headers)

r = urllib2.urlopen(req)


t = r.read()
result = json.loads(t)
print result
if result['err_msg']=='success.':
    word = result['result'][0].encode('utf-8')
    if word!='':
        if word[len(word)-3:len(word)]=='，':
            print word[0:len(word)-3]
        else:
            print word
    else:
        print "音訊檔案不存在或格式錯誤"
else:
    print "錯誤"