【百度语音识别】JavaAPI方式语音识别示例MP3转PCM-CSDN博客

【百度语音识别】JavaAPI方式语音识别示例MP3转PCM

Java-API合成语音示例:http://ai.baidu.com/forum/topic/show/496727
REST-API文档地址：http://ai.baidu.com/docs#/TTS-API/top
注意：需要下载MP3插件jar。才可以进行MP3CONVERTPCM 链接: https://pan.baidu.com/s/1i5pJxpb 密码: 8w4x
遇到的坑：HTTPUtil工具类中。不需要拼接access_token参数。大家注意一下。ContentType也改一下。

----------------------------------开始代码示例----------------------------------

MP3转PCM的方法需要下载注意的jar才可以正确转换哦

第一步就是语音合成的MP3文件转换PCM格式文件

package com.xs.audio.tns;

import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStream;

import javax.sound.sampled.AudioFormat;
import javax.sound.sampled.AudioInputStream;
import javax.sound.sampled.AudioSystem;
/**
 * MP3转PCM Java方式实现
 * @author 小帅丶
 * @date 2017年12月6日
 */
public class MP3ConvertPCM {
	/**
	 * MP3转换PCM文件方法
	 * @param mp3filepath 原始文件路径
	 * @param pcmfilepath 转换文件的保存路径
	 * @throws Exception 
	 */
	public static void mp3Convertpcm(String mp3filepath,String pcmfilepath) throws Exception{
		File mp3 = new File(mp3filepath);
		File pcm = new File(pcmfilepath);
		//原MP3文件转AudioInputStream
		AudioInputStream mp3audioStream = AudioSystem.getAudioInputStream(mp3);
		//将AudioInputStream MP3文件 转换为PCM AudioInputStream
		AudioInputStream pcmaudioStream = AudioSystem.getAudioInputStream(AudioFormat.Encoding.PCM_SIGNED, mp3audioStream);
		//准备转换的流输出到OutputStream
		OutputStream os = new FileOutputStream(pcm);
		int bytesRead = 0;
		byte[] buffer = new byte[8192];
		while ((bytesRead=pcmaudioStream.read(buffer, 0, 8192))!=-1) {
			os.write(buffer, 0, bytesRead);
		}
		os.close();
		pcmaudioStream.close();
	}
}

HttpUtil工具类新增加一个postASR的方法

/**
     * 获取语音识别内容
     * @param requestUrl
     * @param params
     * @return
     * @throws Exception
     */
    public static String postASR(String requestUrl, String params) throws Exception {
    	System.out.println(params);
    	String generalUrl = requestUrl;//这里不需要对接口地址拼接access_token参数 切记！！！
        System.out.println("发送的连接为:"+generalUrl);
        URL url = new URL(generalUrl);
        // 打开和URL之间的连接
        HttpURLConnection connection = (HttpURLConnection) url.openConnection();
    	System.out.println("打开链接，开始发送请求"+new Date().getTime()/1000);
        connection.setRequestMethod("POST");
        // 设置通用的请求属性
        connection.setRequestProperty("Content-Type", "application/json");
        connection.setRequestProperty("Connection", "Keep-Alive");
        connection.setUseCaches(false);
        connection.setDoOutput(true);
        connection.setDoInput(true);
        // 得到请求的输出流对象
        DataOutputStream out = new DataOutputStream(connection.getOutputStream());
        out.writeBytes(params);
        out.flush();
        out.close();
        // 建立实际的连接
        connection.connect();
        // 获取所有响应头字段
        Map<String, List<String>> headers = connection.getHeaderFields();
        // 遍历所有的响应头字段
        for (String key : headers.keySet()) {
            System.out.println(key + "--->" + headers.get(key));
        }
        // 定义 BufferedReader输入流来读取URL的响应
        BufferedReader in = null;
        if (requestUrl.contains("nlp"))
            in = new BufferedReader(new InputStreamReader(connection.getInputStream(), "GBK"));
        else
            in = new BufferedReader(new InputStreamReader(connection.getInputStream(), "UTF-8"));
        String result = "";
        String getLine;
        while ((getLine = in.readLine()) != null) {
            result += getLine;
        }
        in.close();
        System.out.println("请求结束"+new Date().getTime()/1000);
        System.out.println("result:" + result);
        return result;
    }

下面就是语音识别的示例代码哦

package com.xs.audio.tns;

import java.io.File;
import java.util.HashMap;

import com.xs.util.baidu.Base64Util;
import com.xs.util.baidu.FileUtil;
import com.xs.util.baidu.HttpUtil;
import com.xs.util.baidu.RandomStringGenerator;
/**
 * 语音识别Java-API JSON上传方式示例代码
 * @author 小帅丶
 *
 */
public class Audio2Text {
	//接口地址
	private static final String AUDIO2TEXT_URL = "http://vop.baidu.com/server_api";
	public static void main(String[] args) throws Exception {
		//合成的MP3语音文件
		String path = "C:/Users/Administrator/text2audio/VOICE1512521962.mp3";
		//MP3转pcm要保存的路径和文件名
		String path2 = "C:/Users/Administrator/text2audio/VOICE1512521962.pcm";
		MP3ConvertPCM.mp3Convertpcm(path, path2);
		// 对语音二进制数据进行识别   
	    byte[] data = FileUtil.readFileByBytes(path2);    //readFileByBytes仅为获取二进制数据示例
	    String speech = Base64Util.encode(data);
	    File file = new File(path2);
	    long len = file.length();
	    String result = Audio2text("pcm", 16000,RandomStringGenerator.getRandomStringByLength(60),"自己获取的AccessToken", speech, len);
	    System.out.println(result);
	}
	/**
	 * JSON方式上传
	 * @param format	必填	语音文件的格式，pcm 或者 wav 或者 amr。不区分大小写。推荐pcm文件
	 * @param rate	必填	采样率， 8000 或者 16000， 推荐 16000 采用率
	 * @param channel	必填	声道数，仅支持单声道，请填写固定值 1
	 * @param cuid	必填	用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。
	 * @param token	必填	开放平台获取到的access_token, 见上面的“鉴权认证机制”段落
	 * @param lan	选填	语种选择，默认中文（zh）。 中文=zh、粤语=ct、英文=en，不区分大小写
	 * @param url	选填	可下载的语音下载地址，与callback连一起使用，确保百度服务器可以访问。
	 * @param callback	选填	用户服务器的识别结果回调地址，确保百度服务器可以访问
	 * @param speech	选填	本地语音文件的的二进制语音数据 ，需要进行base64 编码。与len参数连一起使用。
	 * @param len	选填	本地语音文件的的字节数，单位字节
	*/
	public static String Audio2text(String format,Integer rate,String cuid,String token,String speech,long len) throws Exception{
		HashMap<String, Object> paramMap = new HashMap<String, Object>();
		paramMap.put("speech",speech);
		paramMap.put("format", format);
		paramMap.put("rate", rate);
		paramMap.put("channel",1);
		paramMap.put("cuid",cuid);
		paramMap.put("token", token);
		paramMap.put("len", len);
		net.sf.json.JSONObject params = net.sf.json.JSONObject.fromObject(paramMap);
		String data = HttpUtil.postASR(AUDIO2TEXT_URL,params.toString());
		System.out.println("语音文件识别的内容:"+data);
		return data;
	}
}

看看返回的内容

{
    "corpus_no": "6496262443167631439", 
    "err_msg": "success.", 
    "err_no": 0, 
    "result": [
        "开发者小帅你好，"
    ], 
    "sn": "74778487111512528965"
}

MP3转PCM。使用MP3SPI第三方jar 可以Maven引入

<dependency>
    <groupId>com.googlecode.soundlibs</groupId>
    <artifactId>mp3spi</artifactId>
    <version>1.9.5.4</version>
</dependency>

使用mp3spi进行转换的代码

package com.xs.audio.tns;

import java.io.File;

import javax.sound.sampled.AudioFileFormat;
import javax.sound.sampled.AudioFormat;
import javax.sound.sampled.AudioInputStream;
import javax.sound.sampled.AudioSystem;
import javax.sound.sampled.DataLine;
import javax.sound.sampled.SourceDataLine;

import javazoom.spi.mpeg.sampled.file.MpegAudioFileReader;
/**
 * MP3转PCM方法
 * @author 小帅丶
 *
 */
public class MP3ConvertPCMBySPI {
    public static void main(String[] args) {
        String path = "C:/Users/Administrator/text2audio/VOICE1513237078";
        String mp3filepath = path + ".mp3";
        String pcmfilepath = path + ".pcm";
        try {
        	MP3ConvertPCMBySPI.convertMP32PCM(mp3filepath, pcmfilepath);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
	 /**
     * MP3转换PCM文件方法
     * @param mp3filepath  原始文件路径
     * @param pcmfilepath  转换文件的保存路径
     * @throws Exception
     */
    public static void convertMP32PCM(String mp3filepath, String pcmfilepath) throws Exception {
    	//转换PCM audioInputStream 数据
        AudioInputStream audioInputStream = getPcmAudioInputStream(mp3filepath);
        //写入PCM预给定的文件
        AudioSystem.write(audioInputStream, AudioFileFormat.Type.WAVE, new File(pcmfilepath));
    }
    /**
     * 获取PCM AudioInputStream 数据
     * @param mp3filepath
     * @return AudioInputStream
     */
    private static AudioInputStream getPcmAudioInputStream(String mp3filepath) {
        File mp3File = new File(mp3filepath);
        AudioInputStream audioInputStream = null;
        AudioFormat targetFormat = null;
        try {
            AudioInputStream in = null;
            MpegAudioFileReader mp = new MpegAudioFileReader();
            in = mp.getAudioInputStream(mp3File);
            AudioFormat baseFormat = in.getFormat();
            targetFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, baseFormat.getSampleRate(), 16,
                    baseFormat.getChannels(), baseFormat.getChannels() * 2, baseFormat.getSampleRate(), false);
            audioInputStream = AudioSystem.getAudioInputStream(targetFormat, in);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return audioInputStream;
    }
    /**
     * 播放MP3方法
     * @param mp3filepath
     * @throws Exception
     */
    public static void playMP3(String mp3filepath) throws Exception {
        File mp3 = new File(mp3filepath);
        // 播放
        int k = 0, length = 8192;
        AudioInputStream audioInputStream = getPcmAudioInputStream(mp3filepath);
        if (audioInputStream == null)
            System.out.println("null audiostream");
        AudioFormat targetFormat;
        targetFormat = audioInputStream.getFormat();
        byte[] data = new byte[length];
        DataLine.Info dinfo = new DataLine.Info(SourceDataLine.class, targetFormat);
        SourceDataLine line = null;
        try {

            line = (SourceDataLine) AudioSystem.getLine(dinfo);
            line.open(targetFormat);
            line.start();

            int bytesRead = 0;
            byte[] buffer = new byte[length];
            while ((bytesRead = audioInputStream.read(buffer, 0, length)) != -1) {
                line.write(buffer, 0, bytesRead);
            }
            audioInputStream.close();

            line.stop();
            line.close();

        } catch (Exception ex) {
            ex.printStackTrace();
            System.out.println("audio problem " + ex);

        }
    }
}

以上就是语音识别Java-API调用示例代码哦。难点是MP3转PCM会卡壳开发者们。