python语音识别技术实验报告_python语音识别实践之百度语音API

百度语音对上传的语音要求目前必须是单声道，16K采样率，采样深度可以是16位或者8位的PCM编码。其他编码输出的语音识别不出来。

语音的处理技巧：

录制为MP3的语音(通常采样率为44100)，要分两步才能正确处理。第一步：使用诸如GoldWave的软件，先保存为16K采样率的MP3；第二步，打开16K采样率的MP3，另存为Wav格式，参数选择PCM，单声道即可。

另外，也可以使用ffmpeg将MP3处理为PCM。后文的程序即采用这种方法。

由于PCM编码的语音没有压缩，文件体积与语音长度成正比。百度语音平台对语音的长度的限制未知。文件太大，网速不好的时候，容易出现”连接错误“的提示。因此，对时间较长的语音，应该将语音分割成多个序列，在分别进行识别。(目前按照等长分割)

以下代码，使用前，需要在baidu 开发者上申请相关的API ID, API Key, Secret Key，并以申请的参数代入到文件中。 # 引入Speech SDK

from aip import AipSpeech

import subprocess

import datetime

import sys

import os

import time

from pydub import AudioSegment

import math

# 定义常量

#APP_ID = '你的 App ID'

APP_ID = '937****'

#API_KEY = '你的 API Key&#