溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python調(diào)用百度語音REST API

發(fā)布時(shí)間:2020-10-13 20:17:17 來源:腳本之家 閱讀:167 作者:狼血wolfblood 欄目:開發(fā)技術(shù)

本文實(shí)例為大家分享了python調(diào)用百度語音REST API的具體代碼,供大家參考,具體內(nèi)容如下

(百度的rest接口的部分網(wǎng)址發(fā)生了一定的變化,相關(guān)代碼已更新)

百度通過 REST API 的方式給開發(fā)者提供一個(gè)通用的 HTTP 接口,基于該接口,開發(fā)者可以輕松的獲得語音合成與語音識(shí)別能力。SDK中只提供了PHP、C和JAVA的相關(guān)樣例,使用python也可以靈活的對(duì)端口進(jìn)行調(diào)用,本文描述了簡(jiǎn)單使用Python調(diào)用百度語音識(shí)別服務(wù) REST API 的簡(jiǎn)單樣例。

1、語音識(shí)別與語音合成的調(diào)用

注冊(cè)開發(fā)者帳號(hào)和創(chuàng)建應(yīng)用的過程就不再贅述,百度的REST API在調(diào)用過程基本分為三步:

  • 獲取token
  • 向Rest接口提交數(shù)據(jù)
  • 處理返回?cái)?shù)據(jù)

具體代碼如下所示:

#!/usr/bin/python3

import urllib.request
import urllib
import json
import base64
class BaiduRest:
  def __init__(self, cu_id, api_key, api_secert):
    # token認(rèn)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(shí)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(shù)據(jù)
    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?cái)?shù)據(jù)
    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(shù)據(jù)
    data = {}
    # 語音的一些參數(shù)
    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?cái)?shù)據(jù)
    return json.loads(r_data)['result']

if __name__ == "__main__":
  # 我的api_key,供大家測(cè)試用,在實(shí)際工程中請(qǐng)換成自己申請(qǐng)的應(yīng)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(xué)!", "out.mp3")
  # 識(shí)別test.wav語音內(nèi)容并顯示
  print(bdr.getText("out.wav"))

2、調(diào)用pyaudio使用麥克風(fēng)錄制聲音

python中的pyaudio庫可以直接通過麥克風(fēng)錄制聲音,可使用pip進(jìn)行安裝。我們可以通過調(diào)用該庫,獲取到wav測(cè)試語音。
具體代碼如下所示:

#!/usr/bin/python3
# -*- coding: utf-8 -*-

from pyaudio import PyAudio, paInt16 
import numpy as np 
from datetime import datetime 
import wave

class recoder:
  NUM_SAMPLES = 2000   #pyaudio內(nèi)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(gè)取樣之內(nèi)出現(xiàn)COUNT_NUM個(gè)大于LEVEL的取樣則記錄聲音
  SAVE_LENGTH = 8     #聲音記錄的最小長(zhǎng)度:SAVE_LENGTH * NUM_SAMPLES 個(gè)取樣
  TIME_COUNT = 60   #錄音時(shí)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(gè)取樣
      string_audio_data = stream.read(self.NUM_SAMPLES) 
      # 將讀入的數(shù)據(jù)轉(zhuǎn)換為數(shù)組
      audio_data = np.fromstring(string_audio_data, dtype=np.short)
      # 計(jì)算大于LEVEL的取樣的個(gè)數(shù)
      large_sample_count = np.sum( audio_data > self.LEVEL )
      print(np.max(audio_data))
      # 如果個(gè)數(shù)大于COUNT_NUM,則至少保存SAVE_LENGTH個(gè)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(shù)據(jù)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(shù)據(jù)寫入WAV文件,WAV文件的文件名是保存的時(shí)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 False

if __name__ == "__main__":
  r = recoder()
  r.recoder()
  r.savewav("test.wav")  

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。

向AI問一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI