人工智能第一篇--语音识别和语音合成
1.什么是人工智能?
顾名思义就是由人创造的"智慧能力",具备听说看理解等能力.
听 ==语音识别
说 ==语音合成
看 ==图像视频文字识别
理解 ==语言(文字)图像视频理解等逻辑处理
思考 ==理解后的逻辑处理
2.目前人工智能做了什么?
语音识别:小米的小爱同学,苹果 的siri,微软的Cortana
语音合成:小米的小爱同学,苹果 的siri,微软的Cortana
图像识别:交通摄像头拍违章,刷脸解锁手机等
视频识别:抖音内容审核,视频社交APP的审核机制
文字识别:从身份证照片提取身份证号码,扫一扫翻译
3.人工智能平台 --百度AI:ai.baidu.com
- 创建一个应用
>>>>>>>>>>>>>>>>>>>>>>>
- 创建好应用后,在查看应用详情时,会有几个重要的信息
- 编辑:可以重新对一些接口的选择
- 查看文档:对各种功能如语音识别,语音合成等等的介绍,使用方法,接口等的描述,通过查看文档可以快速的掌握各种功能
4.语音合成的实例:把文本合成语音
- SDK:就是为某软件专门封装的接口
语音合成文档>>>>>>sdk文档>>>>>>>.Python文档(仔细阅读文档)
1.Python SDK 接口能力:将文字转换成音频文件的技术
2.注意事项 合成文本长度必须小于1024字节,如果本文长度较长,可以采用多次请求的方式。切忌文本长度超过限制
3.安装语音合成Python SDK
- 如果已安装pip,执行
pip install baidu-aip
即可。 - 如果已安装setuptools,执行
python setup.py install
即可。
4.新建AipSpeech
AipSpeech是语音合成的Python SDK客户端,为使用语音合成的开发人员提供了一系列的交互方法。
- 参考如下代码新建一个AipSpeech:
- 参数对应的是,查看应用详情时,里面的几个重要的信息
from aip import AipSpeech""" 你的 APPID AK SK """ APP_ID = '你的 App ID' API_KEY = '你的 Api Key' SECRET_KEY = '你的 Secret Key'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
5.把一段文字合成为语音文件(实例):
result = client.synthesis('你好百度', 'zh', 1, {'vol': 5, #音量大小"spd":5, #语速"pit":5, #语调"per":1, #情感发音 })# 识别正确返回语音二进制 错误则返回dict 参照下面错误码 if not isinstance(result, dict):with open('audio.mp3', 'wb') as f:f.write(result)
5. 语音识别:将一个可读的语音文件转换成计算机可识别的字符串序列
- 语音识别文档>>>>>>sdk文档>>>>>>>.Python文档(仔细阅读文档)
- 支持的语音格式
原始 PCM 的录音参数必须符合 8k/16k 采样率、16bit 位深、单声道,支持的格式有:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)。
- 注意事项:目前系统支持的语音时长上限为60s,请不要超过这个长度,否则会返回错误。
5.1.安装语音合成Python SDK
- 如果已安装pip,执行
pip install baidu-aip
即可。 - 如果已安装setuptools,执行
python setup.py install
即可。
5.2.新建AipSpeech
- 参数对应的是,查看应用详情时,里面的几个重要的信息
from aip import AipSpeech""" 你的 APPID AK SK """ APP_ID = '你的 App ID' API_KEY = '你的 Api Key' SECRET_KEY = '你的 Secret Key'client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
- 接口说明:向远程服务上传整段语音进行识别后返回字符串
5.3.要对保存有一段语音的语音文件进行识别(实例):
# 读取文件 def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()# 识别本地文件 ret = client.asr(get_file_content('audio2.pcm'), 'pcm', 16000, {'dev_pid': 1536, }) print(ret.get('result')[0])#得到语音文件的文本内容
- dev_pid 参数列表
- 音频文件转换格式使用软件ffmpeg,命令为ffmpeg -y -i audio.wav -acodec pcm_s16le -f s16le -ac 1 -ar 16000 audio.pcm
- 使用说明:https://i.cnblogs.com/EditPosts.aspx?opt=1
5.4.自动转换文件格式,然后识别文件 使用os模块
import os from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '16027163' API_KEY = 'wFXvuArTz8aWFou05jjs8XIG' SECRET_KEY = 'Ty6jGhtdR9GzCs8smn5HRGNNwtz0QkUQ' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)# 读取文件 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()ret = client.asr(get_file_content('2.m4a'), 'pcm', 16000, {'dev_pid': 1536, }) print(ret.get('result')[0])#得到语音文件的文本内容
转载于:https://www.cnblogs.com/l1222514/p/10718452.html
人工智能第一篇--语音识别和语音合成相关推荐
- Python人工智能第一篇:语音合成和语音识别
Python人工智能第一篇:语音合成和语音识别 此篇是人工智能应用的重点,只用现成的技术不做底层算法,也是让初级程序员快速进入人工智能行业的捷径.目前市面上主流的AI技术提供公司有很多,比如百度,阿 ...
- 《人工智能-处女篇(AI2026)》(Unity+SteamVR+5G+AI+VR云游戏+AlphaGo+神经网络+深度学习+机器学习+图像识别+CNN+自动驾驶+智能机器人+立钻哥哥+==)
<人工智能-处女篇(AI2026)> <人工智能-处女篇(AI2026)> 版本 作者 参与者 完成日期 备注 YanlzAI_VIP_V01_1.0 严立钻 2019.08. ...
- 人工智能写出第一篇文章:我真的没想要消灭你们,人类!
来源:网信科技前沿 在攻克棋类,飞行操控,机器视觉,语音识别等领域后,人工智能又开始入侵写作领域. 人工智能被人类开发出来是为了方便我们人类的生活,帮助人类处理一些事物,它的优点在于其拥有庞大的数据库 ...
- .net中语音识别和语音合成(二)语音合成提高篇
在.net中语音识别和语音合成(一)入门篇中介绍了关于语音合成的一些基础知识,就是先j建立一个SpVoiceClass类的对象,然后调用对象的GetVoices方法取的一个发音的对象,但是通过设置该方 ...
- 微信小程序录音 第一篇 (基于微信小程序及百度AI的 人员语音识别转文字显示小程序)
基于微信小程序及百度AI的 人员语音识别转文字显示小程序 基于微信小程序及百度AI的 人员语音识别转文字显示小程序主要分3篇 1.微信小程序录音篇(小程序基于wx.startRecord()微信语音录 ...
- 我的第一篇论文诞生的故事
点击上方,选择星标或置顶,每天给你送干货! 作者:郭必扬时间:2020-12-16 [插播]年初抽47份大奖!!参加的人还很少,后天开奖! 新年大礼包:Xbox.Switch,PopMart芝麻街系列 ...
- Unity AI 语音识别、语音合成、人机交互(一)
自我介绍 大家好,我是VAIN,这是我在CSDN的第一篇文章,之前一直在微博博客上写文章,今后会用CSDN给大家更新一些技术帖,还希望大家多多关照! 项目介绍 因为公司项目要求,今天给大家分享一个un ...
- 单片机学习:第一篇 基于Python的树莓派语音助手
title: 单片机学习:第一篇 基于Python的树莓派语音助手 tags: 树莓派,python,语音助手,百度AIP 目录 一.pyaudio录音 二.语音识别 三.与图灵机器人对话 四.语音合 ...
- 《Ansible权威指南 》一 第一篇 Part 1 基础入门篇
本节书摘来自华章出版社<Ansible权威指南 >一书中的第1章,第1.1节,李松涛 魏 巍 甘 捷 著更多章节内容可以访问云栖社区"华章计算机"公众号查看. 第一篇 ...
最新文章
- Python 条件判断
- python人头识别_python+opencv实现人头检测
- Ubuntu返回到Gnome经典桌面!
- 根据”so劫持”过360加固详细分析
- 003、关于Integer.valueOf(sss)与Integer.parseInt(sss)性能
- 东芝硬盘插入台式机后滴滴响
- 黑客马拉松 招募_我如何赢得第一次黑客马拉松-研究,设计和编码的2个狂野日子
- 前端学习(1438):vue三种安装方式
- 结型场效应管的结构、特性、参数
- STM32之外部中断原理
- 代码换肤术——C#和VB(摘抄)
- android开发mvp,Android开发模式之MVP
- hdu 6351 Beautiful Now
- 印象笔记html预览,超级笔记使用指南 | 印象笔记
- 自用Markdown颜色字体代码
- 人机交互大作业文档预览
- 【方法篇】S-棕榈酰化蛋白修饰质谱鉴定方法
- 小熊学Java第六天
- 关于Win10的powerdesigner16的缩放问题,字体和图标
- 福建省计算机一级机操作题,福建省计算机一级操作题练习