本文實例為大家分享了python調用百度語音REST API的具體代碼，供大家參考，具體內容如下
（百度的rest接口的部分網址發生了一定的變化，相關代碼已更新）
百度通過 REST API 的方式給開發者提供一個通用的 HTTP 接口，基于該接口，開發者可以輕松的獲得語音合成與語音識別能力。SDK中只提供了PHP、C和JAVA的相關樣例，使用python也可以靈活的對端口進行調用，本文描述了簡單使用Python調用百度語音識別服務 REST API 的簡單樣例。
1、語音識別與語音合成的調用
注冊開發者帳號和創建應用的過程就不再贅述，百度的REST API在調用過程基本分為三步：
- 獲取token
- 向Rest接口提交數據
- 處理返回數據
具體代碼如下所示：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
|
#!/usr/bin/python3import urllib.requestimport urllibimport jsonimport base64class BaiduRest: def __init__(self, cu_id, api_key, api_secert): # token認證的url self.token_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s" # 語音合成的resturl self.getvoice_url = "http://tsn.baidu.com/text2audio?tex=%s&lan=zh&cuid=%s&ctp=1&tok=%s" # 語音識別的resturl self.upvoice_url = 'http://vop.baidu.com/server_api' self.cu_id = cu_id self.getToken(api_key, api_secert) return def getToken(self, api_key, api_secert): # 1.獲取token token_url = self.token_url % (api_key,api_secert) r_str = urllib.request.urlopen(token_url).read() token_data = json.loads(r_str) self.token_str = token_data['access_token'] pass def getVoice(self, text, filename): # 2. 向Rest接口提交數據 get_url = self.getvoice_url % (urllib.parse.quote(text), self.cu_id, self.token_str) voice_data = urllib.request.urlopen(get_url).read() # 3.處理返回數據 voice_fp = open(filename,'wb+') voice_fp.write(voice_data) voice_fp.close() pass def getText(self, filename): # 2. 向Rest接口提交數據 data = {} # 語音的一些參數 data['format'] = 'wav' data['rate'] = 8000 data['channel'] = 1 data['cuid'] = self.cu_id data['token'] = self.token_str wav_fp = open(filename,'rb') voice_data = wav_fp.read() data['len'] = len(voice_data) data['speech'] = base64.b64encode(voice_data).decode('utf-8') post_data = json.dumps(data) r_data = urllib.request.urlopen(self.upvoice_url,data=bytes(post_data,encoding="utf-8")).read() # 3.處理返回數據 return json.loads(r_data)['result']if __name__ == "__main__": # 我的api_key,供大家測試用，在實際工程中請換成自己申請的應用的key和secert api_key = "SrhYKqzl3SE1URnAEuZ0FKdT" api_secert = "hGqeCkaMPb0ELMqtRGc2VjWdmjo7T89d" # 初始化 bdr = BaiduRest("test_python", api_key, api_secert) # 將字符串語音合成并保存為out.mp3 bdr.getVoice("你好北京郵電大學!", "out.mp3") # 識別test.wav語音內容并顯示 print(bdr.getText("out.wav")) |
2、調用pyaudio使用麥克風錄制聲音
python中的pyaudio庫可以直接通過麥克風錄制聲音，可使用pip進行安裝。我們可以通過調用該庫，獲取到wav測試語音。
具體代碼如下所示：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
|
#!/usr/bin/python3# -*- coding: utf-8 -*-from pyaudio import PyAudio, paInt16 import numpy as np from datetime import datetime import waveclass recoder: NUM_SAMPLES = 2000 #pyaudio內置緩沖大小 SAMPLING_RATE = 8000 #取樣頻率 LEVEL = 500 #聲音保存的閾值 COUNT_NUM = 20 #NUM_SAMPLES個取樣之內出現COUNT_NUM個大于LEVEL的取樣則記錄聲音 SAVE_LENGTH = 8 #聲音記錄的最小長度：SAVE_LENGTH * NUM_SAMPLES 個取樣 TIME_COUNT = 60 #錄音時間，單位s Voice_String = [] def savewav(self,filename): wf = wave.open(filename, 'wb') wf.setnchannels(1) wf.setsampwidth(2) wf.setframerate(self.SAMPLING_RATE) wf.writeframes(np.array(self.Voice_String).tostring()) # wf.writeframes(self.Voice_String.decode()) wf.close() def recoder(self): pa = PyAudio() stream = pa.open(format=paInt16, channels=1, rate=self.SAMPLING_RATE, input=True, frames_per_buffer=self.NUM_SAMPLES) save_count = 0 save_buffer = [] time_count = self.TIME_COUNT while True: time_count -= 1 # print time_count # 讀入NUM_SAMPLES個取樣 string_audio_data = stream.read(self.NUM_SAMPLES) # 將讀入的數據轉換為數組 audio_data = np.fromstring(string_audio_data, dtype=np.short) # 計算大于LEVEL的取樣的個數 large_sample_count = np.sum( audio_data > self.LEVEL ) print(np.max(audio_data)) # 如果個數大于COUNT_NUM，則至少保存SAVE_LENGTH個塊 if large_sample_count > self.COUNT_NUM: save_count = self.SAVE_LENGTH else: save_count -= 1 if save_count < 0: save_count = 0 if save_count > 0 : # 將要保存的數據存放到save_buffer中 #print save_count > 0 and time_count >0 save_buffer.append( string_audio_data ) else: #print save_buffer # 將save_buffer中的數據寫入WAV文件，WAV文件的文件名是保存的時刻 #print "debug" if len(save_buffer) > 0 : self.Voice_String = save_buffer save_buffer = [] print("Recode a piece of voice successfully!") return True if time_count==0: if len(save_buffer)>0: self.Voice_String = save_buffer save_buffer = [] print("Recode a piece of voice successfully!") return True else: return Falseif __name__ == "__main__": r = recoder() r.recoder() r.savewav("test.wav") |
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/wolfblood_zzx/article/details/46418635
