人工智能兴起,搞语音识别的公司很多,这里介绍怎么用科大讯飞提供的webAPI和python实现语音识别。
讯飞还提供了sdk,但是需要在visal code上运行,vs体积太大为了个小项目去安装不太划算。
首先到讯飞云官网https://www.xfyun.cn/注册一个账号并实名认证,进入之后点击右上方控制台,创建新的应用,如果有应用平台选项的话选webAPI,如果没有就是默认了webAPI,不用动。剩余的信息自己随意填就好。
进入刚建立好的应用之后选择左方的语音听写(流式版),这时可以看到已经赠送了500次听写,但500肯定不够,但是点进购买服务量之后可以领取免费50000次,根据提示设置一下支付密码之后就可以0元下单,绑定到刚建好的应用上就好。
回到应用,找到api文档,点进去。
调用示例里面有写好的调用代码,喜欢啥下啥就好,我下的python。
python这里面提供的代码是基于python3的,需要的库自己pip install一下就好很方便。讯飞刚更新了语音听写的接口url,老用户无所谓但是新用户若用csdn上某些代码直接访问的话是进不去的。但讯飞提供的代码还是可以的。
# -*- coding:utf-8 -*- # # author: iflytek # # 本demo测试时运行的环境为:Windows + Python3.7 # 本demo测试成功运行时所安装的第三方库及其版本如下,您可自行逐一或者复制到一个新的txt文件利用pip一次性安装: # cffi==1.12.3 # gevent==1.4.0 # greenlet==0.4.15 # pycparser==2.19 # six==1.12.0 # websocket==0.2.1 # websocket-client==0.56.0 # # 语音听写流式 WebAPI 接口调用示例 接口文档(必看):https://doc.xfyun.cn/rest_api/语音听写(流式版).html # webapi 听写服务参考帖子(必看):http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=38947&extra= # 语音听写流式WebAPI 服务,热词使用方式:登陆开放平台https://www.xfyun.cn/后,找到控制台--我的应用---语音听写(流式)---服务管理--个性化热词, # 设置热词 # 注意:热词只能在识别的时候会增加热词的识别权重,需要注意的是增加相应词条的识别率,但并不是绝对的,具体效果以您测试为准。 # 语音听写流式WebAPI 服务,方言试用方法:登陆开放平台https://www.xfyun.cn/后,找到控制台--我的应用---语音听写(流式)---服务管理--识别语种列表 # 可添加语种或方言,添加后会显示该方言的参数值 # 错误码链接:https://www.xfyun.cn/document/error-code (code返回错误码时必看) # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # import websocket import datetime import hashlib import base64 import hmac import json from urllib.parse import urlencode import time import ssl from wsgiref.handlers import format_date_time from datetime import datetime from time import mktime import _thread as thread STATUS_FIRST_FRAME = 0 # 第一帧的标识 STATUS_CONTINUE_FRAME = 1 # 中间帧标识 STATUS_LAST_FRAME = 2 # 最后一帧的标识 class Ws_Param(object): # 初始化 def __init__(self, APPID, APIKey, APISecret, AudioFile): self.APPID = APPID self.APIKey = APIKey self.APISecret = APISecret self.AudioFile = AudioFile # 公共参数(common) self.CommonArgs = {"app_id": self.APPID} # 业务参数(business),更多个性化参数可在官网查看 self.BusinessArgs = {"domain": "iat", "language": "zh_cn", "accent": "mandarin", "vinfo":1,"vad_eos":10000} # 生成url def create_url(self): url = 'wss://ws-api.xfyun.cn/v2/iat' # 生成RFC1123格式的时间戳 now = datetime.now() date = format_date_time(mktime(now.timetuple())) # 拼接字符串 signature_origin = "host: " + "ws-api.xfyun.cn" + "\n" signature_origin += "date: " + date + "\n" signature_origin += "GET " + "/v2/iat " + "HTTP/1.1" # 进行hmac-sha256进行加密 signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'), digestmod=hashlib.sha256).digest() signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8') authorization_origin = "api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", signature=\"%s\"" % ( self.APIKey, "hmac-sha256", "host date request-line", signature_sha) authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8') # 将请求的鉴权参数组合为字典 v = { "authorization": authorization, "date": date, "host": "ws-api.xfyun.cn" } # 拼接鉴权参数,生成url url = url + '?' + urlencode(v) # print("date: ",date) # print("v: ",v) # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释,比对相同参数时生成的url与自己代码生成的url是否一致 # print('websocket url :', url) return url # 收到websocket消息的处理 def on_message(ws, message): try: code = json.loads(message)["code"] sid = json.loads(message)["sid"] if code != 0: errMsg = json.loads(message)["message"] print("sid:%s call error:%s code is:%s" % (sid, errMsg, code)) else: #data = json.loads(message)["data"]["result"]["ws"] data = json.loads(message)["data"]["result"]["ws"] #print(data[1]) #print(type(data)) #print(json.loads(message)) result = "" print("__________________________") for i in data: tm=str(i["bg"]) for w in i["cw"]: result += w["w"] print(tm+result) #print("sid:%s call success!,data is:%s" % (sid, json.dumps(data, ensure_ascii=False))) #print(json.dumps(data,ensure_ascii=False)) except Exception as e: print("receive msg,but parse exception:", e) # 收到websocket错误的处理 def on_error(ws, error): print("### error:", error) # 收到websocket关闭的处理 def on_close(ws,code,msg): print("### closed ###") # 收到websocket连接建立的处理 def on_open(ws): def run(*args): frameSize = 8000 # 每一帧的音频大小 intervel = 0.04 # 发送音频间隔(单位:s) status = STATUS_FIRST_FRAME # 音频的状态信息,标识音频是第一帧,还是中间帧、最后一帧 with open(wsParam.AudioFile, "rb") as fp: while True: buf = fp.read(frameSize) # 文件结束 if not buf: status = STATUS_LAST_FRAME # 第一帧处理 # 发送第一帧音频,带business 参数 # appid 必须带上,只需第一帧发送 if status == STATUS_FIRST_FRAME: d = {"common": wsParam.CommonArgs, "business": wsParam.BusinessArgs, "data": {"status": 0, "format": "audio/L16;rate=16000", "audio": str(base64.b64encode(buf), 'utf-8'), "encoding": "raw"}} d = json.dumps(d) ws.send(d) status = STATUS_CONTINUE_FRAME # 中间帧处理 elif status == STATUS_CONTINUE_FRAME: d = {"data": {"status": 1, "format": "audio/L16;rate=16000", "audio": str(base64.b64encode(buf), 'utf-8'), "encoding": "raw"}} ws.send(json.dumps(d)) # 最后一帧处理 elif status == STATUS_LAST_FRAME: d = {"data": {"status": 2, "format": "audio/L16;rate=16000", "audio": str(base64.b64encode(buf), 'utf-8'), "encoding": "raw"}} ws.send(json.dumps(d)) time.sleep(1) break # 模拟音频采样间隔 time.sleep(intervel) ws.close() thread.start_new_thread(run, ()) if __name__ == "__main__": # 测试时候在此处正确填写相关信息即可运行 #time1 = datetime.now() wsParam = Ws_Param(APPID='', APISecret='', APIKey='', AudioFile=r'C:/Users/Administrator/Desktop/luyin.wav')#C:/Users/Administrator/Desktop/text/luyin15024.mp3 websocket.enableTrace(False) wsUrl = wsParam.create_url() ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close) ws.on_open = on_open ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE}) #time2 = datetime.now() #print(time2-time1)
这个是修改后的代码,把结果里想要的内容整理了出来。appid,apikey和apisecret在讯飞控制台我的应用上可以看到。返回的识别结果原代码直接调整成了字典,读取很容易。原代码直接运行的话虽然不会报错但会显示“on_close() has 1 positional argument , but 3 were given”之类的,这是websocket库_app.py文件里的on_close()函数有3个参数,class,终止代码,终止信息,但讯飞py文件里的on_close()只有一个class参数。这时自己在ws后面加上随便两个参数就好,不会被调用,但是可以避免报错。
如果识别信息为空,message里有数字,可以去讯飞云上差一查错误码,一般都是因为请求url还是老url,已经被封掉。
如果识别结果和音频内容不一样,多半是因为格式不对,讯飞只支持特定的wav文件。
测试的话下一个goldwave去录音,很快,很好使。
识别结果。