使用百度API实现语音转文字_住在明天的春天的博客-CSDN博客_语音转文字api
1.在百度云创建一个语音产品
百度云
在->产品->人工智能->语音技术(选择任何一个创建一个功能包)
也可参考百度开发者教程
创建完成之后你将在你的全局，产品服务中看到自己的语音技术
其中包括
应用名称
AppID
API Key
Secret Key
还有创建时间·····
其中AppId、API Key、Secret Key都很关键这是，在后面接入百度API的凭证，我将在后面标注出来。
2.参考百度官方文档
1)语音转文字（即语音识别）的功能实现
首先，语音识别对音频格式及时长有一定要求，可使用开源的音频格式转换及VAD切分工具。便于进行音频处理。拼音相似度工具可以通过比较拼音相似度，解决同音字问题。
目前，SDK调用使用http接口，需要上传完整文件。根据接口内容：
支持的语音格式
原始 PCM 的录音参数必须符合 16k 采样率、16bit 位深、单声道，支持的格式有：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）
支持的语音时长上限为60s，请不要超过这个长度，否则会返回错误。
1、安装语音识别 Python SDK
如果已安装pip，执行pip install baidu-aip即可。
如果已安装setuptools，执行python setup.py install即可。
2、使用百度接口：
向远程服务上传整段语音进行识别
#文档示例代码：
# 读取文件
def get_file_content(filePath):
? ? with open(filePath, 'rb') as fp:
? ? ? ? return fp.read()
# 识别本地文件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, {
? ? 'dev_pid': 1536,
})
10
参考文档参数：
speech Buffer 建立包含语音内容的Buffer对象, 语音文件的格式，pcm 或者 wav 或者 amr。不区分大小写
format String 语音文件的格式，pcm 或者 wav 或者 amr。不区分大小写。推荐pcm文件
rate int 采样率，16000，固定值
cuid String 用户唯一标识，用来区分用户，填写机器 MAC 地址或 IMEI 码，长度为60以内
dev_pid Int 不填写lan参数生效，都不填写，默认1537（普通话 输入法模型），dev_pid参数见本节开头的表格
dev_pid参数列表
dev_pid?? ?语言?? ?模型?? ?是否有标点?? ?备注
1536?? ?普通话(支持简单的英文识别)?? ?搜索模型?? ?无标点?? ?支持自定义词库
1537?? ?普通话(纯中文识别)?? ?输入法模型?? ?有标点?? ?支持自定义词库
1737?? ?英语?? ??? ?无标点?? ?不支持自定义词库
1637?? ?粤语?? ??? ?有标点?? ?不支持自定义词库
1837?? ?四川话?? ??? ?有标点?? ?不支持自定义词库
1936?? ?普通话远场?? ?远场模型?? ?有标点?? ?不支持
成功返回样例：
{"corpus_no":"6798493061260544840","err_msg":"success.",
"err_no":0,
"result":["百度是瓜皮。"],"sn":"666502245331582897515"}
1
2
3
错误信息参考：
错误码?? ?用户输入/服务端?? ?含义?? ?一般解决方法
3300?? ?用户输入错误?? ?输入参数不正确?? ?请仔细核对文档及参照demo，核对输入参数
3301?? ?用户输入错误?? ?音频质量过差?? ?请上传清晰的音频
3302?? ?用户输入错误?? ?鉴权失败?? ?token字段校验失败。请使用正确的API_KEY 和 SECRET_KEY生成。或QPS、调用量超出限额。或音频采样率不正确（可尝试更换为16k采样率）。
3303?? ?服务端问题?? ?语音服务器后端问题?? ?请将api返回结果反馈至论坛或者QQ群
3304?? ?用户请求超限?? ?用户的请求QPS超限?? ?请降低识别api请求频率 （qps以appId计算，移动端如果共用则累计）
3305?? ?用户请求超限?? ?用户的日pv（日请求量）超限?? ?请“申请提高配额”，如果暂未通过，请降低日请求量
3307?? ?服务端问题?? ?语音服务器后端识别出错问题?? ?目前请确保16000的采样率音频时长低于30s。如果仍有问题，请将api返回结果反馈至论坛或者QQ群
3308?? ?用户输入错误?? ?音频过长?? ?音频时长不超过60s，请将音频时长截取为60s以下
3309?? ?用户输入错误?? ?音频数据问题?? ?服务端无法将音频转为pcm格式，可能是长度问题，音频格式问题等。 请将输入的音频时长截取为60s以下，并核对下音频的编码，是否是16K， 16bits，单声道。
3310?? ?用户输入错误?? ?输入的音频文件过大?? ?语音文件共有3种输入方式： json 里的speech 参数（base64后）； 直接post 二进制数据，及callback参数里url。 分别对应三种情况：json超过10M；直接post的语音文件超过10M；callback里回调url的音频文件超过10M
3311?? ?用户输入错误?? ?采样率rate参数不在选项里?? ?目前rate参数仅提供16000，填写4000即会有此错误
3312?? ?用户输入错误?? ?音频格式format参数不在选项里?? ?目前格式仅仅支持pcm，wav或amr，如填写mp3即会有此错误
一般问题均在此表格里。
下面贴出代码已经我的测试结果：
# coding=utf-8
import sys
import json
import base64
import time
IS_PY3 = sys.version_info.major == 3
if IS_PY3:
? ? from urllib.request import urlopen
? ? from urllib.request import Request
? ? from urllib.error import URLError
? ? from urllib.parse import urlencode
? ? timer = time.perf_counter
else:
? ? from urllib2 import urlopen
? ? from urllib2 import Request
? ? from urllib2 import URLError
? ? from urllib import urlencode
? ? if sys.platform == "win32":
? ? ? ? timer = time.clock
? ? else:
? ? ? ? # On most other platforms the best timer is time.time()
? ? ? ? timer = time.time
API_KEY = 'Z98pRtfNVQOGheA77PdbqSli'
SECRET_KEY = 'DMKRQo8uTuSbhtb5gamaM4bMZGNrSQGG'
# 需要识别的文件
AUDIO_FILE = 'baidu.pcm' ?# 只支持 pcm/wav/amr 格式，极速版额外支持m4a 格式
# 文件格式
FORMAT = AUDIO_FILE[-3:] ?# 文件后缀只支持 pcm/wav/amr 格式，极速版额外支持m4a 格式
CUID = '123456PYTHON'
# 采样率
RATE = 16000 ?# 固定值
# 普通版
DEV_PID = 1537 ?# 1537 表示识别普通话，使用输入法模型。1536表示识别普通话，使用搜索模型。根据文档填写PID，选择语言及识别模型
ASR_URL = 'http://vop.baidu.com/server_api'
SCOPE = 'audio_voice_assistant_get' ?# 有此scope表示有asr能力，没有请在网页里勾选，非常旧的应用可能没有
#测试自训练平台需要打开以下信息， 自训练平台模型上线后，您会看见 第二步：“”获取专属模型参数pid:8001，modelid:1234”，按照这个信息获取 dev_pid=8001，lm_id=1234
# DEV_PID = 8001 ; ??
# LM_ID = 1234 ;
# 极速版 打开注释的话请填写自己申请的appkey appSecret ，并在网页中开通极速版（开通后可能会收费）
# DEV_PID = 80001
# ASR_URL = 'http://vop.baidu.com/pro_api'
# SCOPE = 'brain_enhanced_asr' ?# 有此scope表示有极速版能力，没有请在网页里开通极速版
# 忽略scope检查，非常旧的应用可能没有
# SCOPE = False
class DemoError(Exception):
? ? pass
""" ?TOKEN start """
TOKEN_URL = 'http://openapi.baidu.com/oauth/2.0/token'
def fetch_token():
? ? params = {'grant_type': 'client_credentials',
? ? ? ? ? ? ? 'client_id': API_KEY,
? ? ? ? ? ? ? 'client_secret': SECRET_KEY}
? ? post_data = urlencode(params)
? ? if (IS_PY3):
? ? ? ? post_data = post_data.encode( 'utf-8')
? ? req = Request(TOKEN_URL, post_data)
? ? try:
? ? ? ? f = urlopen(req)
? ? ? ? result_str = f.read()
? ? except URLError as err:
? ? ? ? print('token http response http code : ' + str(err.code))
? ? ? ? result_str = err.read()
? ? if (IS_PY3):
? ? ? ? result_str = ?result_str.decode()
? ? print(result_str)
? ? result = json.loads(result_str)
? ? print(result)
? ? if ('access_token' in result.keys() and 'scope' in result.keys()):
? ? ? ? print(SCOPE)
? ? ? ? if SCOPE and (not SCOPE in result['scope'].split(' ')): ?# SCOPE = False 忽略检查
? ? ? ? ? ? raise DemoError('scope is not correct')
? ? ? ? print('SUCCESS WITH TOKEN: %s ?EXPIRES IN SECONDS: %s' % (result['access_token'], result['expires_in']))
? ? ? ? return result['access_token']
? ? else:
? ? ? ? raise DemoError('MAYBE API_KEY or SECRET_KEY not correct: access_token or scope not found in token response')
""" ?TOKEN end """
if __name__ == '__main__':
? ? token = fetch_token()
? ? speech_data = []
? ? with open(AUDIO_FILE, 'rb') as speech_file:
? ? ? ? speech_data = speech_file.read()
? ? length = len(speech_data)
? ? if length == 0:
? ? ? ? raise DemoError('file %s length read 0 bytes' % AUDIO_FILE)
? ? speech = base64.b64encode(speech_data)
? ? if (IS_PY3):
? ? ? ? speech = str(speech, 'utf-8')
? ? params = {'dev_pid': DEV_PID,
? ? ? ? ? ? ?#"lm_id" : LM_ID, ? ?#测试自训练平台开启此项
? ? ? ? ? ? ? 'format': FORMAT,
? ? ? ? ? ? ? 'rate': RATE,
? ? ? ? ? ? ? 'token': token,
? ? ? ? ? ? ? 'cuid': CUID,
? ? ? ? ? ? ? 'channel': 1,
? ? ? ? ? ? ? 'speech': speech,
? ? ? ? ? ? ? 'len': length
? ? ? ? ? ? ? }
? ? post_data = json.dumps(params, sort_keys=False)
? ? # print post_data
? ? req = Request(ASR_URL, post_data.encode('utf-8'))
? ? req.add_header('Content-Type', 'application/json')
? ? try:
? ? ? ? begin = timer()
? ? ? ? f = urlopen(req)
? ? ? ? result_str = f.read()
? ? ? ? print ("Request time cost %f" % (timer() - begin))
? ? except URLError as err:
? ? ? ? print('asr http response http code : ' + str(err.code))
? ? ? ? result_str = err.read()
? ? if (IS_PY3):
? ? ? ? result_str = str(result_str, 'utf-8')
? ? print(result_str)
? ? with open("result.txt","w") as of:
? ? ? ? of.write(result_str)
1
2
3
137
138
输出：
{"access_token":"24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619","session_key":"9mzdXRJMRXk2UGrRPfHouFivZjF9k3jZeeV1UQgxHVgF4LJMNALSRd47wm5rIqFiV4cm7Se8QQtwa14APh8FHjSdTtIlGw==","scope":"audio_voice_assistant_get brain_enhanced_asr audio_tts_post public brain_ocr_general_basic brain_all_scope picchain_test_picchain_api_scope?
brain_nlp_emotion wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test\u6743\u9650 vis-classify_flower lpq_\u5f00\u653e cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_\u5f00\u653eScope vis-ocr_\u865a\u62df\u4eba\u7269\u52a9\u7406 idl-video_\u865a\u62df\u4eba\u7269\u52a9\u7406","refresh_token":"25.64693b95dc93605948c806dba37e0352.315360000.1898255697.282335-17692619","session_secret":"07709d0831bf5be4a872a695e2b947f1","expires_in":2592000}
{'access_token': '24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619', 'session_key': '9mzdXRJMRXk2UGrRPfHouFivZjF9k3jZeeV1UQgxHVgF4LJMNALSRd47wm5rIqFiV4cm7Se8QQtwa14APh8FHjSdTtIlGw==', 'scope': 'audio_voice_assistant_get brain_enhanced_asr audio_tts_post public brain_ocr_general_basic brain_all_scope picchain_test_picchain_api_scope brain_nlp_emotion wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian?
ocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_开放Scope vis-ocr_虚拟人物助理 idl-video_虚拟人物助理', 'refresh_token': '25.64693b95dc93605948c806dba37e0352.315360000.1898255697.282335-17692619', 'session_secret': '07709d0831bf5be4a872a695e2b947f1', 'expires_in': 2592000}
audio_voice_assistant_get
SUCCESS WITH TOKEN: 24.ffc8666eb9b9ed1f831f145674c84faa.2592000.1585487697.282335-17692619 ?EXPIRES IN SECONDS: 2592000
Request time cost 2.540582
{"err_msg":"speech quality error.","err_no":3301,"sn":"470283300881582895698"}
PS D:\learn Java\pyday\API\API\语音识别> python baidushibie.py
{"access_token":"24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619","session_key":"9mzdWBIklEgpIJj0BuuHGod5VXLJr4CDLIGupFzOvb\/znpW6oOHCjSlGx9i4JVWo+OjdIiF1icrbhTLDJ08AcHljft4f1g==","scope":"audio_voice_assistant_get brain_enhanced_asr audio_tts_post public brain_ocr_general_basic brain_all_scope picchain_test_picchain_api_scope brain_nlp_emotion wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian ApsMisTest_Test\u6743\u9650 vis-classify_flower lpq_\u5f00\u653e cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_\u5f00\u653eScope vis-ocr_\u865a\u62df\u4eba\u7269\u52a9\u7406 idl-video_\u865a\u62df\u4eba\u7269\u52a9\u7406","refresh_token":"25.25ba3b367690eec58c9d79507de4a615.315360000.1898257514.282335-17692619","session_secret":"3f2930ef60146626a1bd70cb87cbfd8c","expires_in":2592000}
{'access_token': '24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619', 'session_key': '9mzdWBIklEgpIJj0BuuHGod5VXLJr4CDLIGupFzOvb/znpW6oOHCjSlGx9i4JVWo+OjdIiF1icrbhTLDJ08AcHljft4f1g==', 'scope': 'audio_voice_assistant_get brain_enhanced_asr audio_tts_post public brain_ocr_general_basic brain_all_scope picchain_test_picchain_api_scope brain_nlp_emotion wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian?
ApsMisTest_Test权限 vis-classify_flower lpq_开放 cop_helloScope ApsMis_fangdi_permission smartapp_snsapi_base iop_autocar oauth_tp_app smartapp_smart_game_openapi oauth_sessionkey smartapp_swanid_verify smartapp_opensource_openapi smartapp_opensource_recapi fake_face_detect_开放Scope vis-ocr_虚拟人物助理 idl-video_虚拟人物助理', 'refresh_token': '25.25ba3b367690eec58c9d79507de4a615.315360000.1898257514.282335-17692619', 'session_secret': '3f2930ef60146626a1bd70cb87cbfd8c', 'expires_in': 2592000}
audio_voice_assistant_get
SUCCESS WITH TOKEN: 24.cb226321d87cd64da657bd1468e81951.2592000.1585489514.282335-17692619 ?EXPIRES IN SECONDS: 2592000
Request time cost 1.507672
{"corpus_no":"6798493061260544840","err_msg":"success.","err_no":0,"result":["百度是瓜皮。"],"sn":"666502245331582897515"}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
显然输出在最后一行。
