前言
很久之前写过一个将文本转成语音的，借助了一个名为pyttsx的库。具体使用可以参考下面的链接。
http://blog.csdn.net/marksinoberg/article/details/52137547
今天再来分享一个处理音频的博文。接住百度的语音接口，差不多可以方便的将音频转成文字了。
安装
安装的过程比较麻烦一点，不是说安装的步骤，而是找到能用的库不是很容易。
目标库： pyaudio。
但是奈何我的Python版本是36，而pip是安装不了的。找了很多资料，最后还是在pypi上找到了兼容的版本。
Python36版本： https://pypi.python.org/pypi/PyAudio/0.2.11
Python35 Python2：http://people.csail.mit.edu/hubert/pyaudio/packages/
读写音频文件
官网上给了几个小例子，个人觉得不错。拿来分享一下。
play
"""PyAudio Example: Play a WAVE file."""
import pyaudio
import wave
import sys
CHUNK = 1024
if len(sys.argv) < 2:
print("Plays a wave file.\n\nUsage: %s filename.wav" % sys.argv[0])
sys.exit(-1)
wf = wave.open(sys.argv[1], 'rb')
p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True)
data = wf.readframes(CHUNK)
while data != '':
stream.write(data)
data = wf.readframes(CHUNK)
stream.stop_stream()
stream.close()
p.terminate()
保存为play.py
然后可以再terminal中来尝试一下。当然了，前提是先准备一个 .wav音频文件。
Python play.py 3.12.wav
然后不出意外的话，就可以听到电脑播放的音频了。
record
有了读的，那么再来个记录的吧。
"""PyAudio example: Record a few seconds of audio and save to a WAVE file."""
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "output.wav"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("* done recording")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
保存为record.py
然后运行下面的命令。
Python record.py
代码中声明的是5秒的记录时长，这一点可以根据自己的需要来进行动态的修改。然后程序运行结束之后，就会在同一级目录下得到一个output.wav 的音频文件。
wired
刚才那俩小例子要么一个读，要么一个记录。那么要是既想读，然后再看下结果的需求呢？可以这么来实现。
"""
PyAudio Example: Make a wire between input and output (i.e., record a
few samples and play them back immediately).
"""
import pyaudio
CHUNK = 1024
WIDTH = 2
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(WIDTH),
channels=CHANNELS,
rate=RATE,
input=True,
output=True,
frames_per_buffer=CHUNK)
print("* recording")
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
stream.write(data, CHUNK)
print("* done")
stream.stop_stream()
stream.close()
p.terminate()
保存为wire.py
然后运行下面的命令
Python wire.py
就可以记录一个5秒的实现了。
play(callback)
搞定了上面三个小例子，做出自己的东西也不是什么难事了。基本上可以满足自己的需求。但是官网上还给了更加优雅的方式，那就是使用回调函数。除此之外很重要的一点就是callback方式是noblocking的。
官网的api解释如下：
Note that in “blocking mode”, each pyaudio.Stream.write() or pyaudio.Stream.read() blocks until all the given/requested frames have been played/recorded. Alternatively, to generate audio data on the fly or immediately process recorded audio data, use the “callback mode” outlined below.
"""
PyAudio Example: Make a wire between input and output (i.e., record a
few samples and play them back immediately).
"""
import pyaudio
CHUNK = 1024
WIDTH = 2
CHANNELS = 2
RATE = 44100
RECORD_SECONDS = 5
p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(WIDTH),
channels=CHANNELS,
rate=RATE,
input=True,
output=True,
frames_per_buffer=CHUNK)
print("* recording")
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
stream.write(data, CHUNK)
print("* done")
stream.stop_stream()
stream.close()
p.terminate()
其实也没啥特殊的地方了，就是代码看起来更加精简了。
Wire(callback)
"""
PyAudio Example: Make a wire between input and output (i.e., record a
few samples and play them back immediately).
This is the callback (non-blocking) version.
"""
import pyaudio
import time
WIDTH = 2
CHANNELS = 2
RATE = 44100
p = pyaudio.PyAudio()
def callback(in_data, frame_count, time_info, status):
return (in_data, pyaudio.paContinue)
stream = p.open(format=p.get_format_from_width(WIDTH),
channels=CHANNELS,
rate=RATE,
input=True,
output=True,
stream_callback=callback)
stream.start_stream()
while stream.is_active():
time.sleep(0.1)
stream.stop_stream()
stream.close()
p.terminate()
License
外部应用
下面拿一个小例子入手，实时的测试一下音频转文字。因为本人没有百度语音服务的权限，所以在网上搜索了一个key。在这里感谢下面的这个链接。
https://github.com/luyishisi/python_yuyinduihua
话不多说， 上例子吧。
# coding: utf8
# @Author: 郭 璞
# @File: baiduyuyinshibie.py
# @Time: 2017/5/10
# @Contact: 1064319632@qq.com
# @blog: http://blog.csdn.net/marksinoberg
# @Description: 百度语音识别接口调用
import wave
import requests
import json
def get_token():
apiKey = "。。。GBOtpg22ZSGAU"
secretKey = "44。。。e34936227d4a19dc2"
auth_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=" + apiKey + "&client_secret=" + secretKey
response = requests.get(url=auth_url)
jsondata = response.text
return json.loads(jsondata)['access_token']
def use_cloud(token, wavefile):
fp = wave.open(wavefile, 'rb')
# 已经录好音的音频片段内容
nframes = fp.getnframes()
filelength = nframes*2
audiodata = fp.readframes(nframes)
# 百度语音接口的产品ID
cuid = '71XXXX663'
server_url = 'http://vop.baidu.com/server_api' + '?cuid={}&token={}'.format(cuid, token)
headers = {
'Content-Type': 'audio/pcm; rete=8000',
'Content-Length': '{}'.format(filelength),
}
response = requests.post(url=server_url, headers=headers, data=audiodata)
return response.text if response.status_code==200 else 'Something Wrong!'
if __name__ == '__main__':
access_token = get_token()
print(access_token)
result = use_cloud(token=access_token, wavefile='./output.wav')
print(result)
音频文件借助了上面第二个例子中录制的音频。
我说的话是： 345
# 由于在图书馆，所以不敢太大声，要是用标准的普通话，相信准确度可能会更高一点。
然后运行的结果就是下面这样的了。
语音识别结果
可以看出请求成功，返回的结果里面包含了相应的文本内容。虽然不是很准确，但是也还算可以吧。
总结
最后来总结一下，今天貌似净拿人家的东西了，虽然自己整合了一下。但是还远远不够啊。其实结合这个语音接口可以做出很多更加好玩的功能的。
参考链接：
