python調(diào)用百度REST API實現(xiàn)語音識別

更新時間：2018年08月30日 09:15:36 作者：Hail-Linux

這篇文章主要為大家詳細介紹了python調(diào)用百度REST API實現(xiàn)語音識別，具有一定的參考價值，感興趣的小伙伴們可以參考一下

目前，語音識別，即將語音內(nèi)容轉(zhuǎn)換為文字的技術已經(jīng)比較成熟，遙想當時錘子發(fā)布會上展示的訊飛輸入法語音識別，著實讓訊飛火了一把。由于此類語音識別需要采集大量的樣本，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(fā)者使用，這樣就把語音識別的門檻降到了一個很低的程度，只需幾行代碼即可實現(xiàn)。下面我介紹以下如何使用Python調(diào)用百度的REST API實現(xiàn)一個簡單的語音識別。

注冊賬號，并成為開發(fā)者

打開 http://yuyin.baidu.com/ ，并且使用你的百度賬號登陸，如果你不是開發(fā)者，系統(tǒng)會自動引導你申請成為開發(fā)者。

創(chuàng)建應用

打開 http://yuyin.baidu.com/app ，點擊創(chuàng)建應用，應用名稱自己取，選擇合適的應用類型。下一步，服務類型選擇語音識別，繼續(xù)點擊下一步，然后就可以關閉了。

刷新當前頁面，你就可以看到自己創(chuàng)建的應用，點擊查看key，這些是進行身份識別的關鍵信息。

代碼編寫

在 http://yuyin.baidu.com/docs/asr/54 可以查看官方文檔，百度提供了兩種方法：隱式發(fā)送是將音頻數(shù)據(jù)打包轉(zhuǎn)換成一個字符串，放到json數(shù)據(jù)包中來發(fā)送；顯示發(fā)送則是直接發(fā)送語音數(shù)據(jù)。本代碼使用隱式發(fā)送。

注意：使用前要將你的應用信息填入適當位置

#!/usr/bin/env python
# coding: utf-8
import urllib2
import json
import base64
import os

#設置應用信息
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

#設置音頻屬性，根據(jù)百度的要求，采樣率必須為8000，壓縮格式支持pcm（不壓縮）、wav、opus、speex、amr
VOICE_RATE = 8000
WAVE_FILE = "test.wav" #音頻文件的路徑
USER_ID = "hail_hydra" #用于標識的ID，可以隨意設置
WAVE_TYPE = "wav"

#打開音頻文件，并進行編碼
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 "音頻文件不存在或格式錯誤"
else:
  print "錯誤"

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: