基于百度的语音技术

一 . 语音识别 

　　1.1 下载FFmpeg,然后配置环境变量

　　1.2 pip install baidu-aip(技术信息来自ai.baidu.com)

　　1.3 建一个py文件

# audio2text.py文件

import os from aip import AipSpeech """ 你的 APPID AK SK 创建应用的时候生成的""" APP_ID = '16027552' API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE' SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 读取文件
def get_file_content(filePath): # 这个是固定写法,用ffmpeg把别的格式的音频转化为.pcm格式的
    os.system(f'ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm') with open(f'{filePath}.pcm', 'rb') as fp: return fp.read() # 识别本地文件,hot.m4a是放在本地的音频文件,下面的参数ai.baidu.com有详解
reg = client.asr(get_file_content('hot.m4a'), 'pcm', 16000, { 'dev_pid': 1536, }) print(reg['result'][0])   # 打印今天真热,音频录的也是今天真热

二 . 语音合成

# text2audio文件

from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '16027552' API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE' SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 以下参数在ai.baidu.com都有详细解释
result = client.synthesis('唧唧复唧唧,木兰当户织', 'zh', 1, { 'vol': 5, 'spd': 6, 'pit': 7, 'per': 4 }) # 识别正确返回语音二进制 错误则返回dict 
if not isinstance(result, dict): with open('auido.mp3', 'wb') as f: f.write(result) # 生成auido.mp3音频

三 . 自然语言处理(low到爆)

import os
from aip import AipNlp, AipSpeech

""" 你的 APPID AK SK """
APP_ID = '16027552'
API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)

def textToaudio(text):
    result = client.synthesis(text, 'zh', 1, {
        'vol': 5,
        'spd': 6,
        'pit': 7,
        'per': 4
    })
    # 识别正确返回语音二进制 错误则返回dict
    if not isinstance(result, dict):
        with open('auido.mp3', 'wb') as f:
            f.write(result)
    return 'audio.mp3'

def audioTotext(filepath):
    res = client.asr(get_file_content(filepath), 'pcm', 16000, {
        'dev_pid': 1536,
    })
    return res['result'][0]

def get_file_content(filePath):
    os.system(f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
    print(filePath)
    with open(f'{filePath}.pcm', 'rb') as fp:
        return fp.read()

# hot.m4a音频是今天真热
text = audioTotext('hot.m4a')
# 简单的自然语言处理
socre = client_nlp.simnet('今天怎么这么热', text).get('score')
# 当score >= 0.58就认为表达的意思一样
if socre >= 0.58:
    filename = textToaudio('萧峰降龙十八掌天下第一!')
    # os.system(f"ffplay {filename}")  播放音频
    # 也是播放音频,只不过是简写
    os.system(filename)

四 . 连接图灵机器人完成自然语言处理

import os
import requests
from aip import AipNlp, AipSpeech

""" 你的 APPID AK SK """
APP_ID = '16027552'
API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)

def textToaudio(text):
    result = client.synthesis(text, 'zh', 1, {
        'vol': 5,
        'spd': 6,
        'pit': 7,
        'per': 4
    })
    # 识别正确返回语音二进制 错误则返回dict
    if not isinstance(result, dict):
        with open('auido.mp3', 'wb') as f:
            f.write(result)
    return 'audio.mp3'

def audioTotext(filepath):
    reg = client.asr(get_file_content(filepath), 'pcm', 16000, {
        'dev_pid': 1536,
    })
    print(reg['result'][0])
    return reg['result'][0]

def get_file_content(filePath):
    os.system(f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
    with open(f'{filePath}.pcm', 'rb') as fp:
        return fp.read()

def go_tuling(text, uid):
    # url就是图灵的街口,图灵官网:tuling123.com,可以查看接入教程
    url = 'http://openapi.tuling123.com/openapi/api/v2'
    data = {
        "perception": {
            "inputText": {
                "text": ""
            },
        },
        "userInfo": {
            "apiKey": "34b2c01332074b2b9d9293f72547df39",
            "userId": ""
        }
    }
    data['perception']['inputText']['text'] = text
    data['userInfo']['userId'] = uid
    # 请求方式必须是HTTP POST, 参数格式必须是json
    ret = requests.post(url, json=data)
    # print(ret.json())
    return ret.json().get('results')[0].get('values').get('text')

# libai.wma是音频文件
text = audioTotext('libai.wma')
# 简单的自然语言处理
socre = client_nlp.simnet('今天天气怎么样', text).get('score')
if socre >= 0.58:
    filename = textToaudio('萧峰降龙十八掌天下第一')
    os.system(filename)
else:
    # 当score < 0.58的时候,直接和图灵机器人对话.
    answer = go_tuling(text, 'attila')
    filename = textToaudio(answer)
    os.system(filename)