mac下载的api文档怎么_Python调用百度API实现语音识别（二）

Python调用百度API实现语音识别（二）

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。

环境准备

开始之前，安装百度语音 sdk ，Python 版。

pip 

环境很简单，就这一步，完成即可编码。

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 

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。

1. _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。

1. _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，可以换一个无背景音乐的音频自行尝试。

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 

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。

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！