Python实现语音识别：百度baidu-API

百度语音识别通过 REST API 的方式给开发者提供一个通用的 HTTP 接口。 上传需要完整的录音文件，录音文件时长不超过60s。

官方文档库：http://ai.baidu.com/docs#/ASR-Online-Python-SDK/top

 

调用方式

开发文档写可以两种方式调用。

• 可以下载使用SDK
• 不下载使用SDK：根据文档组装url获取token，处理本地音频以JSON格式POST到百度语音识别服务器，获得返回结果

 

语音格式格式支持

• pcm（不压缩）
• wav（不压缩，pcm编码）
• amr（压缩格式）

推荐pcm，采样率16000 固定值。 编码：16bit 位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr会有额外的转换耗时。

 

Python SDK安装及使用

支持Python版本：2.7.+ ,3.+

安装使用Python SDK有如下方式：

• 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。

语音识别 Python SDK目录结构：

├── README.md
├── aip                   //SDK目录
│   ├── __init__.py       //导出类
│   ├── base.py           //aip基类
│   ├── http.py           //http请求
│   └── speech.py //语音识别
└── setup.py              //setuptools安装

 

实现简单的识别练习

1. 提前安装好百度的语音识别依赖包：baidu-Aip，从PyCharm的settings中安装即可
2. 申请百度语音识别接入的开发者账号，网址：https://ai.baidu.com/tech/speech，目的是为了获取AppID