百度AI语音识别入口:https://ai.baidu.com/tech/speech/asrpro
点击“立即使用”,即可创建应用。访问创建完成的应用,可以获得对应应用的APPID、AK、SK。
语音识别分为标准版和极速版,实质上都是对接口发起http请求来实现的。
标准版相较于极速版,官方提供了多语言的SDK使得使用起来更加方便,并且功能更加强大。
name | 标准版 | 极速版 |
---|---|---|
语言模型 | 2种普通话及英语、粤语、四川话 | 普通话 |
音频格式 | pcm/wav/amr | pcm/wav/amr/m4a |
音频时长 | 最长为60秒 | 最长为60秒 |
其他 | 普通话支持常用英语 | 普通话支持常用英语,速度更快 |
音频文件格式转换:https://ai.baidu.com/ai-doc/SPEECH/7k38lxpwf
VAD切分工具:https://ai.baidu.com/ai-doc/SPEECH/xk38lxq46
VAD切分工具的使用可参考:https://www.jianshu.com/p/0bf4b2d2bf89
极速版代码实现:
import http.client
import mimetypes
import ast
API_KEY = ''
SECRET_KEY = ''
GRANT_TYPE = 'client_credentials' # 必须参数,固定为“client_credentials”
DEV_PID = '80001' # 极速版只支持该语言模型
AUDIO_FILE = r'16k.wav' # 识别的音频的路径,取自官方demo
CUID = 'test' # 用户唯一标识,用来区分用户,计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码,长度为60字符以内。
def get_response(host,method,url,body,headers):
conn = http.client.HTTPSConnection(host)
conn.request(method, url, body, headers)
res = conn.getresponse()
data = res.read().decode("utf-8")
return data
# 获取token
def get_token():
url = "/oauth/2.0/token?client_id=%s&client_secret=%s&grant_type=%s"%(API_KEY,SECRET_KEY,GRANT_TYPE)
res = get_response("openapi.baidu.com",'POST',url,'',{})
dict_data = ast.literal_eval(res)
return dict_data.get('access_token')
# 获取识别结果
def get_result(audio_file,cuid):
access_token = get_token()
body = ''
with open(audio_file, 'rb') as speech_file:
speech_data = speech_file.read()
body = speech_data
url = "/pro_api?dev_pid=%s&cuid=%s&token=%s"%(DEV_PID,cuid,access_token)
# 标准版也可通过http接口实现,改一下url和语言模型就好
# 标准版的url
# url = "/server_api?dev_pid=%s&cuid=%s&token=%s"%(1537,cuid,access_token)
headers = {
'Content-Type': 'audio/pcm;rate=16000'
}
res = get_response("vop.baidu.com",'POST',url,body,headers)
dict_data = ast.literal_eval(res)
return dict_data.get('result')
print(get_result(AUDIO_FILE,CUID))
语言模型和参数说明:https://ai.baidu.com/ai-doc/SPEECH/Sk38lxokz
标准版代码实现(python SDk):
#需要安装模块:baidu-aip
from aip import AipSpeech
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()
# 识别本地文件
#
data = client.asr(get_file_content('16k.pcm'), 'pcm', 16000, {
'dev_pid': 1537,
})
print(data)