python构建聊天机器人之语音文件识别为文本

在上一篇文章中我们成功利用pyaudio和wave库函数成功实现了录音并将音频保存为wav文件，有了音频文件之后我们需要实现的是将音频文件转换为文本，因为现有的第三方机器人接口无法直接对音频文件进行直接反馈，所以我们需要将语音文件转换为文本。

在网上一番查找资料之后我发现百度AI的语音识别SDK（Software development kit，软件开发工具包）对Python比较友好并且支持提供API（Application Program Interface，提供应用与其他应用的接口）接口，同时对于业余开发的个人用户也有很多免费资源可以领取（比如15w此的短语音调用量）。

在使用百度AI语音识别接口之前需要登录百度AI语音识别界面短语音识别标准版_短语音识别-百度AI开放平台 (baidu.com)，点击立即使用，接着创建一个应用（需要好好填写应用概览，否则有可能不给通过^_^），在我们成功创建应用之后我们会获得app id，app key，secret key（需要记下，后期调用API接口会用到）。

 

 

创建好百度AI语音识别应用之后就需要在我们的python界面安装百度接口库函数，名称为baidu-aip（不是baidu-api！）

安装好之后就可以从aip库中导入Aipspeech（导入之后我们此时运行可能会提示Modoulenotfounderror，chardet未被找到，这时我们去下载chardet库就好了），然后就可以设置自己的接口信息，涉及到刚才记下的app id,app key,secret key。之后配置接口数据，打开并得到音频文件（注意百度AI短语音识别只能识别单声道，采样率建议16000）。最后就可以调用SDK（asr函数）进行语音识别了（最后参数option中，参数dev_pid：1536普通话(支持简单的英文识别)、1537普通话(纯中文识别)、1737英语、1637粤语、1837四川话、1936普通话远场））。最后得到结果（识别准确率还挺高）。

源代码如下（亲测可用哦~）

#对于将音频文件识别为文本我们采用百度语音识别api链接语音识别python-sdk

from aip import AipSpeech#导入调用接口库

#设置自己的接口应用信息
app_id='******'
app_key='******'
secret_key='******'

#调用接口
baidu_api=AipSpeech(app_id,app_key,secret_key)
path='voice.wav'#录音文件存储路径

#打开文件得到wav音频文件
with open(path,'rb') as fp:
    voices=fp.read()

#调用SDK进行语音识别
get_text=baidu_api.asr(voices,'wav',16000,{'dev_pid':1537,})
result=get_text['result'][0]#将最终得到的列表结果转换未字符串结果
print(result)

后续的开发仍在进行，欢迎大家关注哦