Python调用百度API实现语音识别(二)

咪哥杂谈


本篇阅读时间约为 5 分钟。

1

前言

上一篇文章里,大致介绍了百度官方 api 的一些前置准备工作。

想回顾的同学,可以看完本篇在下面找到历史链接。

今天就来上手实战编码,体验一下代码实现以及编程中遇到的坑。

2

环境准备

开始之前,安装百度语音 sdk ,Python 版。

pip install baidu-aip

环境很简单,就这一步,完成即可编码。

3

代码撸起

直接拷贝官方提供的代码,就行了,改点参数,上篇文章介绍百度官方申请到的 key 之类的信息自行填入:

from aip import AipSpeech
""" 你的 APPID AK SK """APP_ID = '你的 App ID'API_KEY = '你的 Api Key'SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 读取文件def get_file_content(file_path): with open(file_path, 'rb') as fp: return fp.read()# 识别本地文件result = client.asr(get_file_content('disco.wav'), 'wav', 16000, { 'dev_pid': 1537, # 默认1537(普通话 输入法模型),dev_pid参数见本节开头的表格})

脚本同级目录下,把上次解析的 野狼disco.mp3 改下后缀,变成 wav 格式的,上传。注意下 dev_pid,这里贴出官方参数,用 1537 即可。


看下百度封装好的源码,我们最终以什么样的形式来接受数据。

封装请求的代码是 client.asr ,下面逐步来看下它。

1. asr 函数

进来可以看到,有几个默认参数,格式默认 pcm 音频后缀,采样率默认 16000。然后最终封装成 data 字典的形式传入到 _requests() 里,这里有个 __asUrl 变量,即百度请求的 api 地址。

2. _requests 函数

不论最终走到哪里,反正返回的 obj 对象都是经过 _proccessResult函数进行处理返回的。而传进的参数则是 requests 库请求后返回的结果。

3. _proccessResult 函数


根据 sys.version_info.major 进行不同的 Python 版本号判断,进行不同的 json 解析,如果是 2,则不用对内容进行解码。




源码看到这里,所以了解最终返回的是什么类型了吗。。

json.loads,在之前小课堂 json 篇中说过,返回的是 dict 类型。

运行下代码:


哎,返回了 3301 ,错误信息写着,音频质量错误,查阅下官方文档:

看来是野狼 disco 背景音乐太嘈杂哦,那换一个无背景音乐的音频试试。


自己动手,丰衣足食,于是用 Siri 录了一段 11 s的音频,一定要亲自听一下,笑声挺鬼畜的


但是呢,这里又遇到个坑,当你从视频中如果提取音频时,也需要注意这个问题。

这个坑就是,音频的采样率:


用 mac 自带的 QuickTime 录制的音频采样率默认为 48 kHz。而百度要求采样率是 16 kHz

如果你不把采样率转成符合它的要求,则会下面的状态码 3307 ,服务端语音识别错误




解决方案很简单,按百度的要求来呗!把音频采样率转化一下。

安装第三方库 ffmpeg-python

pip install ffmpeg-python


一行代码即可完成转化采样率:

import ffmpegffmpeg.input('mi.wav').output('mi2.wav', ar=16000).run()

如果执行这段代码后,报错:


mac的同学用下面命令安装下 ffmpeg 即可,windows同学估计不会遇到,如果遇到,自行去官网下载安装尝试下。

brew install ffmpeg

安装成功后,执行代码,可以看到生成了新的音频文件:


回到语音转文字代码的文件中,再次执行代码:


先看百度解析成功,返回的文字结果在 key 为 result 中,其中是个 list,所以直接取出来即可。

可以发现,结果中文并不准确。此时用的 1537,而 Siri 配音的可能带点外国口音,所以试试 1536 。


看来还是有一些误差的,Siri男版口音可能严重些,至于怎么选输入法模型的 dev_pid 码,自己尝试,看看准确率高的即可。上面有介绍到官方文档的码表。

4

总结

简单总结下,这篇文章即符合主线机器人,也符合之前后台提问题的那个小伙伴。上述所有过程,都是我在编码过程中亲身遇到的坑。

所以可以借鉴,没遇到相同错误更好,遇到了自己对着百度的官网看看到底是什么错误。

至于本篇文章的编码,涉及的不多,就不上传到 github 了,下一篇要讲下如何用 Python 玩转 Word 操作,所以打算把下篇文章涉及到的代码留个记录,转语音后的文字,落地到 Word 中,敬请期待!

如果学习中遇到什么问题的小伙伴,欢迎评论区下方留言!



往期精彩回顾
Python调用百度API实现语音识别(一)
用Python玩转视频剪辑,秀的飞起!
Python实现电脑录音(含音频基础知识讲解)

你点的每个在看,我都认真当成了喜欢
发布了47 篇原创文章 · 获赞 70 · 访问量 2万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览