博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Python调用百度语音REST API
阅读量:7296 次
发布时间:2019-06-30

本文共 5197 字,大约阅读时间需要 17 分钟。

(百度的rest接口的部分网址发生了一定的变化,相关代码已更新)

百度通过 REST API 的方式给开发者提供一个通用的 HTTP 接口,基于该接口,开发者可以轻松的获得语音合成与语音识别能力。SDK中只提供了PHP、C和JAVA的相关样例,使用python也可以灵活的对端口进行调用,本文描述了简单使用Python调用百度语音识别服务 REST API 的简单样例。

1、语音识别与语音合成的调用

注册开发者帐号和创建应用的过程就不再赘述,百度的REST API在调用过程基本分为三步:

  1. 获取token
  2. 向Rest接口提交数据
  3. 处理返回数据

具体代码如下所示:

#!/usr/bin/python3import urllib.requestimport urllibimport jsonimport base64class BaiduRest:    def __init__(self, cu_id, api_key, api_secert):        # token认证的url        self.token_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"        # 语音合成的resturl        self.getvoice_url = "http://tsn.baidu.com/text2audio?tex=%s&lan=zh&cuid=%s&ctp=1&tok=%s"        # 语音识别的resturl        self.upvoice_url = 'http://vop.baidu.com/server_api'        self.cu_id = cu_id        self.getToken(api_key, api_secert)        return    def getToken(self, api_key, api_secert):        # 1.获取token        token_url = self.token_url % (api_key,api_secert)        r_str = urllib.request.urlopen(token_url).read()        token_data = json.loads(r_str)        self.token_str = token_data['access_token']        pass    def getVoice(self, text, filename):        # 2. 向Rest接口提交数据        get_url = self.getvoice_url % (urllib.parse.quote(text), self.cu_id, self.token_str)        voice_data = urllib.request.urlopen(get_url).read()        # 3.处理返回数据        voice_fp = open(filename,'wb+')        voice_fp.write(voice_data)        voice_fp.close()        pass    def getText(self, filename):        # 2. 向Rest接口提交数据        data = {}        # 语音的一些参数        data['format'] = 'wav'        data['rate'] = 8000        data['channel'] = 1        data['cuid'] = self.cu_id        data['token'] = self.token_str        wav_fp = open(filename,'rb')        voice_data = wav_fp.read()        data['len'] = len(voice_data)        data['speech'] = base64.b64encode(voice_data).decode('utf-8')        post_data = json.dumps(data)        r_data = urllib.request.urlopen(self.upvoice_url,data=bytes(post_data,encoding="utf-8")).read()        # 3.处理返回数据        return json.loads(r_data)['result']if __name__ == "__main__":    # 我的api_key,供大家测试用,在实际工程中请换成自己申请的应用的key和secert    api_key = "SrhYKqzl3SE1URnAEuZ0FKdT"     api_secert = "hGqeCkaMPb0ELMqtRGc2VjWdmjo7T89d"    # 初始化    bdr = BaiduRest("test_python", api_key, api_secert)    # 将字符串语音合成并保存为out.mp3    bdr.getVoice("你好北京邮电大学!", "out.mp3")    # 识别test.wav语音内容并显示    print(bdr.getText("out.wav"))

2、调用pyaudio使用麦克风录制声音

python中的pyaudio库可以直接通过麦克风录制声音,可使用pip进行安装。我们可以通过调用该库,获取到wav测试语音。

具体代码如下所示:

#!/usr/bin/python3# -*- coding: utf-8 -*-from pyaudio import PyAudio, paInt16 import numpy as np from datetime import datetime import waveclass recoder:    NUM_SAMPLES = 2000      #pyaudio内置缓冲大小    SAMPLING_RATE = 8000    #取样频率    LEVEL = 500         #声音保存的阈值    COUNT_NUM = 20      #NUM_SAMPLES个取样之内出现COUNT_NUM个大于LEVEL的取样则记录声音    SAVE_LENGTH = 8         #声音记录的最小长度:SAVE_LENGTH * NUM_SAMPLES 个取样    TIME_COUNT = 60     #录音时间,单位s    Voice_String = []    def savewav(self,filename):        wf = wave.open(filename, 'wb')         wf.setnchannels(1)         wf.setsampwidth(2)         wf.setframerate(self.SAMPLING_RATE)         wf.writeframes(np.array(self.Voice_String).tostring())         # wf.writeframes(self.Voice_String.decode())        wf.close()     def recoder(self):        pa = PyAudio()         stream = pa.open(format=paInt16, channels=1, rate=self.SAMPLING_RATE, input=True,             frames_per_buffer=self.NUM_SAMPLES)         save_count = 0         save_buffer = []         time_count = self.TIME_COUNT        while True:            time_count -= 1            # print time_count            # 读入NUM_SAMPLES个取样            string_audio_data = stream.read(self.NUM_SAMPLES)             # 将读入的数据转换为数组            audio_data = np.fromstring(string_audio_data, dtype=np.short)            # 计算大于LEVEL的取样的个数            large_sample_count = np.sum( audio_data > self.LEVEL )            print(np.max(audio_data))            # 如果个数大于COUNT_NUM,则至少保存SAVE_LENGTH个块            if large_sample_count > self.COUNT_NUM:                save_count = self.SAVE_LENGTH             else:                 save_count -= 1            if save_count < 0:                save_count = 0             if save_count > 0 :             # 将要保存的数据存放到save_buffer中                #print  save_count > 0 and time_count >0                save_buffer.append( string_audio_data )             else:             #print save_buffer            # 将save_buffer中的数据写入WAV文件,WAV文件的文件名是保存的时刻                #print "debug"                if len(save_buffer) > 0 :                     self.Voice_String = save_buffer                    save_buffer = []                     print("Recode a piece of  voice successfully!")                    return True            if time_count==0:                 if len(save_buffer)>0:                    self.Voice_String = save_buffer                    save_buffer = []                     print("Recode a piece of  voice successfully!")                    return True                else:                    return Falseif __name__ == "__main__":    r = recoder()    r.recoder()    r.savewav("test.wav")

转载于:https://www.cnblogs.com/wolfbloo/p/6522470.html

你可能感兴趣的文章
js 与或运算符 || && 妙用
查看>>
react-conponent-secondesElapsed
查看>>
DFS 10.1.5.253 1501
查看>>
vue 项目分享
查看>>
smb
查看>>
3.算法-二叉树遍历
查看>>
File类
查看>>
基于层次关联的鲁棒多目标跟踪
查看>>
Python基础---异常
查看>>
动态调用WebService 通用方法Moss 中 传统开发中都可用。
查看>>
【cocos2d-x 024】 LINK : fatal error LNK1123: 转换到 COFF 期间失败: 文件无效或损坏
查看>>
概述C# Cast()
查看>>
LeetCode - 9. Palindrome Number
查看>>
IOS的 new Date()格式化问题
查看>>
sharepoint webpart 获取文档库下的所有文件夹名
查看>>
java数据结构和算法--------第六章
查看>>
关于php如何连贯操作类方法(以数据库为例)
查看>>
25th SEP, 要好好的走下去
查看>>
BZOJ4822[Cqoi2017]老C的任务——树状数组(二维数点)
查看>>
BZOJ1299[LLH邀请赛]巧克力棒——Nim游戏+搜索
查看>>