AI智能种类方向
耳朵 = 倾听 = 麦克风 = 语音识别 ASR:Automatic Speech Recognition
嘴巴 = 诉说 = 扬声器 = 语音合成 TTS:Text To Speech
眼睛 = 观察 = 摄像头 = 图像识别 IR:Image Recognition
思考 = 理解 = 逻辑处理 = 自然语言处理:NLP Natural Language Processing
更多种类方向详见百度AI开放平台文档:https://ai.baidu.com/docs#/
以下均为使用百度AI开放平台:https://ai.baidu.com/ 以及图灵机器人:http://www.turingapi.com/ 且需导入baidu-aip包,用pip3 install baidu-aip
ASR语音识别
文档帮助
https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top
步骤
- 首先需要将录好的音频文件格式转换为”pcm”格式,用到了ffmpeg工具,解压后直接剪切文件夹到自定义的目录下,然后切换到文件夹中的bin目录下,复制路径添加到path中。
ffmpeg下载地址:链接: https://pan.baidu.com/s/1HQhbcrj806OWCTzJDEL5vw 提取码: 2333
转换语音文件代码:
import os
filepath = input('请输入文件路径:')
print(filepath)
filename = filepath[:-4:] # 仅限于m4a格式,可根据文件格式后缀长度更改
print(filename)
cmd_pcm = f"ffmpeg -y -i {filepath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filename}.pcm"
os.system(cmd_pcm)
print('格式更改完成!')
- 转换好以后,在ASR语音识别代码中用到:
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '你的ID'
API_KEY = '你的KEY'
SECRET_KEY = '你的KEY'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 读取文件
def get_file_content(filepath):
with open(filepath, 'rb') as fp:
return fp.read()
# 识别本地文件
filepath=input('请输入语音文件路径:')
res=client.asr(get_file_content(filepath), 'pcm', 16000, {
'dev_pid': 1536,
})
print(res.get('result')[0])
TTS语音合成
文档帮助
https://ai.baidu.com/docs#/TTS-Online-Python-SDK/top
代码
import os
from aip import AipSpeech
""" 你的 APPID AK SK """
APP_ID = '需要更改处'
API_KEY = '需要更改处'
SECRET_KEY = '需要更改处'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
content = input('请输入需要转换成语音的内容:')
result = client.synthesis(content, 'zh', 1, {
'vol': 5,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
with open(os.getcwd() + '\statics\\TTS.mp3', 'wb') as f:
f.write(result)
print('转换完成!')
NLP自然语言处理
文档帮助
https://ai.baidu.com/docs#/NLP-Python-SDK/top
代码
from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '需要更改'
API_KEY = '需要更改'
SECRET_KEY = '需要更改'
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text1 = input('输入对比的字段1:')
text2 = input('输入对比的字段2:')
res = client.simnet(text1, text2)
print(res)
print(res.get('score'))
图灵接入
文档帮助
https://www.kancloud.cn/turing/www-tuling123-com/718227
代码
import requests
question=input('输入想要提问的问题:')
data = {
"reqType": 0,
"perception": {
"inputText": {
"text": question
},
"inputImage": {
"url": "imageUrl"
},
"selfInfo": {
"location": {
"city": "北京",
"province": "北京",
"street": "信息路"
}
}
},
"userInfo": {
"apiKey": "需要更改",
"userId": "需要更改"
}
}
res = requests.post('http://openapi.tuling123.com/openapi/api/v2', json=data)
res_dict = res.json()
print(res_dict.get("results")[0].get("values").get("text"))
语音加图灵结合
import requests
from aip import AipSpeech
def Asr():
""" 你的 APPID AK SK """
APP_ID = '需要更改'
API_KEY = '需要更改'
SECRET_KEY = '需要更改'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 读取文件
def get_file_content(filepath):
with open(filepath, 'rb') as fp:
return fp.read()
# 识别本地文件
filepath = input('请输入语音文件路径:')
res = client.asr(get_file_content(filepath), 'pcm', 16000, {
'dev_pid': 1536,
})
return res.get('result')[0]
data = {
"reqType": 0,
"perception": {
"inputText": {
"text": Asr()
},
"inputImage": {
"url": "imageUrl"
},
"selfInfo": {
"location": {
"city": "北京",
"province": "北京",
"street": "信息路"
}
}
},
"userInfo": {
"apiKey": "需要更改",
"userId": "需要更改"
}
}
res = requests.post('http://openapi.tuling123.com/openapi/api/v2', json=data)
res_dict = res.json()
print(res_dict.get("results")[0].get("values").get("text"))