百度语音识别学习笔记

本文采用百度云语音识别API接口，实现低于60s音频的语音识别，并将其写入文档txt

一、百度语音识别平台搭建（树莓派操作系统）

1、申请属于自己的百度AI开发者账号

        APP_ID 、API_KEY 、SECRET_KEY      

2、下载并安装SDK
        采用python开发，下载python-SDK

二、关于音频转换的知识(官网介绍：语音技术 (baidu.com))

1、音频格式与编码要求：

• 支持音频格式：pcm、wav、amr、m4a
• 音频编码要求：采样率 16000、8000（仅支持普通话模型），16 bit 位深，单声道

语音技术 (baidu.com) <--有关知识参考

2、格式转换具体实操

在树莓派系统终端进行操作：（手机录音格式.m4a）

ffmpeg -y  -i aidemo.m4a  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 16k.pcm

// -acodec pcm_s16le pcm_s16le 16bits 编码器
// -f s16le 保存为16bits pcm格式
// -ac 1 单声道
//  -ar 16000  16000采样率

三、测试

结果展示图：

 代码：

from aip import AipSpeech
import os
#申请百度语音识别 自行填写
APP_ID = ''
API_KEY = ''
SECRET_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()

path='/home/pi/test' #音频所在位置信息（根据实际修改）
test1 = client.asr(get_file_content(path+'/25.pcm'), 'pcm', 16000, {'dev_pid': 1536, })
 
print(test1)
#生成文档将识别文字写入
if test1['err_msg']=='success.':
        s=str(test1['result'])[2:-2] #字符化并输出文字内容
        with open('test.txt','w') as file0:
            print('%s' % s,file=file0)
else:
        print ("错误")