这篇文章主要介绍了如何通过python实现语音录入识别,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
一、介绍
1.第一步录音存入本地
2.调用百度语音识别sdk
注意点:百度语音识别对声音源有要求,比特率必须是256kbps
二、代码
1
2
3
|
#安装必要库
pip install baidu-aip #百度sdk
pip install pyaudio
|
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
|
import wave
import pyaudio
from aip import AipSpeech
def record():
# 定义数据流块
CHUNK = 1024
FORMAT = pyaudio.paInt16
# 想要百度识别,下面这两参数必须这样设置,使得比特率为256kbps
CHANNELS = 1
RATE = 16000
# 录音时间
RECORD_SECONDS = 8
# 要写入的文件名
WAVE_OUTPUT_FILENAME = "output.wav"
# 创建PyAudio对象
p = pyaudio.PyAudio()
# 打开数据流
stream = p. open ( format = FORMAT ,
channels = CHANNELS,
rate = RATE,
input = True ,
frames_per_buffer = CHUNK)
print ( "* recording" )
# 开始录音
frames = []
for i in range ( 0 , int (RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print ( "* done recording" )
# 停止数据流
stream.stop_stream()
stream.close()
# 关闭PyAudio
p.terminate()
# 写入录音文件
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()
def ASR():
# 录音
record()
""" 你的 APPID AK SK """
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
res = client.asr(get_file_content( 'output.wav' ), 'wav' , 16000 , {
'dev_pid' : 1536 ,
})
print (res)
if __name__ = = '__main__' :
ASR()
|
三、语音命令控制程序
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
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
|
import wave
import pyaudio
from aip import AipSpeech
import win32api
def record():
# 定义数据流块
CHUNK = 1024
FORMAT = pyaudio.paInt16
# 想要百度识别,下面这两参数必须这样设置,使得比特率为256kbps
CHANNELS = 1
RATE = 16000
# 录音时间
RECORD_SECONDS = 8
# 要写入的文件名
WAVE_OUTPUT_FILENAME = "output.wav"
# 创建PyAudio对象
p = pyaudio.PyAudio()
# 打开数据流
stream = p. open ( format = FORMAT ,
channels = CHANNELS,
rate = RATE,
input = True ,
frames_per_buffer = CHUNK)
print ( "* recording" )
# 开始录音
frames = []
for i in range ( 0 , int (RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print ( "* done recording" )
# 停止数据流
stream.stop_stream()
stream.close()
# 关闭PyAudio
p.terminate()
# 写入录音文件
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()
def ASR():
# 录音
record()
""" 你的 APPID AK SK """
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
res = client.asr(get_file_content( 'output.wav' ), 'wav' , 16000 , {
'dev_pid' : 1536 ,
})
if not res.get( "err_no" ):
return res.get( "result" )[ 0 ]
return res.get( "err_no" )
def control(order):
# 命令对应的程序路径
open_order = { "打开QQ" :r "C:\Program Files (x86)\Tencent\QQ\Bin\QQScLauncher.exe" , "打开记事本" :r "D:\Notepad++\notepad++.exe" , "打开浏览器" :r "C:\Users\ffm11\AppData\Roaming\360se6\Application\360se.exe" }
res = open_order.get(order)
if res:
# 参数1:用于指定父窗口句柄。当函数调用过程出现错误时,它将作为Windows消息窗口的父窗口
# 参数2:用于指定要进行的操作。
# “open”操作表示执行由lpFile参数指定的程序,或打开由lpFile参数指定的文件或文件夹;
# “print”操作表示打印由lpFile参数指定的文件;
# “explore”操作表示浏览由lpFile参数指定的文件夹。
# 参数3:用于指定要打开的文件名、要执行的程序文件名或要浏览的文件夹名。
# 参数4:若lpFile参数是一个可执行程序,则此参数指定命令行参数,否则此参数应为NULL.
# 参数5:若lpFile参数是一个可执行程序,则此参数指定程序窗口的初始显示方式,否则此参数应设置为0。
# 这个参数常用的常数:
# SW_HIDE 隐藏窗口,活动状态给令一个窗口
# SW_MINIMIZE 最小化窗口,活动状态给令一个窗口
# SW_RESTORE 用原来的大小和位置显示一个窗口,同时令其进入活动状态
# SW_SHOW 用当前的大小和位置显示一个窗口,同时令其进入活动状态
# SW_SHOWMAXIMIZED 最大化窗口,并将其激活
# SW_SHOWMINIMIZED 最小化窗口,并将其激活
# SW_SHOWMINNOACTIVE 最小化一个窗口,同时不改变活动窗口
# SW_SHOWNA 用当前的大小和位置显示一个窗口,不改变活动窗口
# SW_SHOWNOACTIVATE 用最近的大小和位置显示一个窗口,同时不改变活动窗口
win32api.ShellExecute( 0 , 'open' , res, ' ', ' ', 1 )
else :
print ( "语音命令失败" )
if __name__ = = '__main__' :
order = ASR()
control(order.rstrip( "。" ))
|
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://www.cnblogs.com/angelyan/p/12005974.html