最近在处理语音检索相关的事。
其中用到语音识别,调用的是讯飞与百度的api,前者使用js是实现,后者用python3实现(因为自己使用python)
环境:
python3.5
centos 7
流程
整个百度语音识别rest api 使用分为三部分:
1 (申请操作)创建应用,获取应用的 API Key 以及 Secret Key。
2 (程序实现)通过已知的 应用的 API Key 以及 Secret Key, 发送post 请求到 https://openapi.baidu.com/oauth/2.0/token 获取 token
3 (程序实现) 通过上步骤获取的 token,通过post, 发送相关的 语音信息 到 http://vop.baidu.com/server_api ,获取识别结果.
以上过程参考百度语音开发文档,或者网上的资料。
python实现
程序整体如下:
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
|
import requests
import json
import uuid
import base64
def get_token():
url = "https://openapi.baidu.com/oauth/2.0/token"
grant_type = "client_credentials"
api_key = "NzGBYD0jPFDqVT8VHRYa****" # 自己申请的应用
secret_key = "8439155b9db2040b4acd13b0c*****" # 自己申请的应用
data = { 'grant_type' : 'client_credentials' , 'client_id' : api_key, 'client_secret' : secret_key}
r = requests.post(url, data = data)
token = json.loads(r.text).get( "access_token" )
return token
def recognize(sig, rate, token):
url = "http://vop.baidu.com/server_api"
speech_length = len (sig)
speech = base64.b64encode(sig).decode( "utf-8" )
mac_address = uuid.UUID( int = uuid.getnode()). hex [ - 12 :]
rate = rate
data = {
"format" : "wav" ,
"lan" : "zh" ,
"token" : token,
"len" : speech_length,
"rate" : rate,
"speech" : speech,
"cuid" : mac_address,
"channel" : 1 ,
}
data_length = len (json.dumps(data).encode( "utf-8" ))
headers = { "Content-Type" : "application/json" ,
"Content-Length" : data_length}
r = requests.post(url, data = json.dumps(data), headers = headers)
print (r.text)
filename = "two.wav"
signal = open (filename, "rb" ).read()
rate = 8000
token = get_token()
recognize(signal, rate, token)
|
同时,获取语音信息可以通过:
1
2
3
|
import scipy.io.wavfile
filename = "two.wav"
rate, signal = scipy.io.wavfile.read(filename = filename)
|
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://blog.csdn.net/a1368783069/article/details/54600774