python常用语音识别库_python语音识别

语音识别技术，也被称为自动语音识别，目标是以电脑自动将人类的语音内容转换为相应的文字。应用包括语音拨号、语音导航、室内设备控制、语音文档检索、简单的听写数据录入等。

一、功能概述

实现将语音转换为文字，调取第3方接口。比如百度ai，图灵机器人，得到想要的结果。

二、软件环境

操作系统：win10

语言：Python 版本：3.5.4

Python库：baidu-aip

三、原理概述

利用windows自带的录音机，基于百度API进行wav格式的音频转文本。根据文本，调取图灵机器人接口，得到结果。

四、部署工作

1 登录百度ai，链接为：

登录账户(如果你有百度，可以直接登录，否则需要注册)

点击右边的控制台->直接进入

进入之后，拖动进度条到中间。找到已开通服务，点击百度语言。

点击创建应用

应用名字，可以自定义。我写的是语音识别，默认就已经开通了语音识别和语音合成。

这就够了，所以接口选择，不用再选了。

语音包名，选择不需要。因为接下来要展示的是用Python代码实现的，不是android和ios

应用描述，这里一定要好好写啊。不然不通过的！

点击立即创建，瞬间就创建成功了。我估摸着，我写的描述太吊了。百度不得不同意哈！

点击返回列表，在Secret Key的下面，点击显示。

复制AppID，API Key，Secret Key 这3个信息到一个文件里面。接下来的Python代码会用到！

点击左侧的技术文档

点击左边的语言合成->SDK文档->Python SDK

文本不能太长

目录结构

支持2x和3x

打开windows的cmd窗口，输入命令 pip3 install baidu-aip

我已经安装好了，效果如下:

打开Pycharm，新建一个目录ai

创建文件audio_text.py

代码如下:import time

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

将前面提到的AppID，API Key，Secret Key，复制到对应位置。

上面的id和KEY，后5位我改了，复制我的也没有用！

继续看文档，下面的代码可以把文件变成语言

代码如下：from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

result = client.synthesis('你好百度', 'zh', 1, {

'vol': 5,

})

# 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('auido.mp3', 'wb') as f:

f.write(result)

执行代码，会看到当前目录出现了一个auido.mp3文件，打开播放器，听一下声音。

我用QQ影音，打开正常

看参数

看上面的代码，可以发现

'你好百度' 对于参数text

'zh' 表示中文

1 表示客户度类型result = client.synthesis('你好百度', 'zh', 1, {

'vol': 5,

})

再来加几个参数result = client.synthesis('你好百度', 'zh', 1, {

'spd':5, # 语速-中等

'vol': 5, # 音量-中等

'pit':5, # 音调-中等

'per':0 # 发音人-女声

})

per的参数，如果是0，表示女声。我比较喜欢听女声，不要问我为什么!

语速，音量，音调，大家可以自行调节，声音会有相应的变化。

假设一段文件，有1000个子，可以使用split()方法切割，就可以得到多段语言。

接下来，需要进行语音识别，看文档

点击左边的百度语言->语音识别->Python SDK

支持的语言格式有3种。分别是pcm,wav,amr

建议使用pcm，因为它比较好实现。而另外2种语言格式，有非常高的要求，只有专业级别的设备才能录制。它才能达到百度的要求。

使用windows录音工具，保存的是wav格式，那么就需要将wav转换为pcm格式。

下面介绍一个工具ffmpeg，百度搜索就能找到。

打开网址：

点击windows图标，点击Builds

我的电脑是64位系统，选择64位，一定要选择Shared，最后点击下载。

下载完成后，将包解压到你常用的安装目录，我的安装目录是D:\Program Files (x86)

进入目录

D:\Program Files (x86)\ffmpeg-20180518-16b4f97-win64-shared\bin

里面有一个ffmpeg.exe，后面的Python代码会调用它。

添加环境变量

打开我的电脑->高级系统设置->环境变量->编辑

点击右边的新建，输入路径D:\Program Files (x86)\ffmpeg-20180518-16b4f97-win64-shared\bin

之后，一路确定...

关闭cmd窗口，再次打开cmd窗口，输入命令 ffmpeg

出现下面橘黄色提示，就表示环境变量添加成功了。

这个时候，一定要关闭Pycharm，否则Pycharm识别不到。

再次开启Pycharm

Pycharm用法如下：ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm

第一个%s 表示原始文件

第二个%s 也是原始文件，它加了后缀.pcm

继续看文档，语言时长，不要超过60s

请求时，要指定一个pcm格式的文件

看参数，主要用到的是rate和1536

上图的16000表示采样率

1536表示能识别中文和英文，它的容错率比较高

1537必须是标准的普通话，带点地方口音是不行的。

所以建议使用1536

打开win10自带的录音机，录制一段声音，比如：你叫什么呀

一定要带一个呀字，下面的代码执行会输出10个结果，否则只有一个！

注意：笔记本的麦克风在摄像头的2边，所以录制的时候，一定要对着摄像头！

默认为m4a格式的，重命名为whatyouname.m4a，将文件放入ai目录

新增文件a_t.py，内容如下：from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

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

a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {

'dev_pid': 1536,

})

print(a)

注意上面的id和key。文件名为whatyouname.wav

执行文件，输出：

{'sn': '7436726851526824321', 'err_no': 3301, 'err_msg': 'speech quality error.'}

返回错误'err_no': 3301

看文档

找下面对应的3301，表示声音不清晰!

再仔细用播放器，播放一下刚才的声音，挺清晰的呀！

这里报3301不是因为声音不清晰，而是格式不支持。

使用os模块调用ffmpeg实现转码

代码如下：import os

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件

def get_file_content(filePath):

cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)

os.system(cmd_str) # 调用系统命令ffmpeg,传入音频文件名即可

with open(filePath + ".pcm", 'rb') as fp:

return fp.read()

# 识别本地文件

a = client.asr(get_file_content('whatyouname.m4a'), 'pcm', 16000, {

'dev_pid': 1536,

})

print(a)

执行输出，效果如下：

上面红色文件，不是报错，而是转码过程

主要看err_msg是什么，这里显示success，表示成功。

在ai目录下，会多出一个文件whatyouname.m4a.pcm。这个文件才是刚才真正发给百度的语言文件

返回的结果是一个字典，第一个结果，一般是最正确的。取第一个，就可以了!

接下来，就需要从字典取值。字典取值，不要用以下这种方法：print(a['result'])

为什么呢？如果key不存在，会直接报错!毕竟报错，是要崩溃的...

所以建议使用get方法，将最后一行的print(a)，修改为以下内容：

完整代码，我就不贴了。if a.get('result'):

print(a.get('result')[0])

执行输出：

从结果上来看就只有一个了。

jieba分词，完全开源，有集成的python库，简单易用。

jieba分词是基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)，动态规划查找最大概率路径, 找出基于词频的最大切分组合

安装jieba

在安装有python3 和 pip 的机子上，安装jieba库很简单，使用pip即可：pip3 install jieba

由于包很大，默认使用国外更新源比较慢，下面使用国内更新源安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba

下图表示已经安装好了

新建一个文件jieba_test.py，代码如下：import jieba

a = jieba.cut('你叫什么名字')

print(a)

执行输出：

它是一个生成器对象，转换为列表import jieba

a = list(jieba.cut('你叫什么名字'))

print(a)

执行输出：

换一句话import jieba

a = list(jieba.cut('我想听周杰伦的夜曲'))

print(a)

执行输出：

发现，断句不对。应该是下面的结果['我想听', '周杰伦', '的', '夜曲']

新建一个words.py文件，用来存放关键字，内容如下：KEY_WORDS = ["我想听",

"我要听",

"播放",

"名字是什么",

"名字叫什么",

"你叫什么名字"

]

导入words模块，也就是上面写的文件import jieba

import words

for i in words.KEY_WORDS: # 遍历关键字

jieba.add_word(i) # 在程序中动态修改词典

a = list(jieba.cut('我想听周杰伦的夜曲'))

print(a)

执行输出：

除了使用jieba.cut以外，还有一个方法jieba.cut_for_search

该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细

图灵机器人是以语义技术为核心驱动力的人工智能公司，致力于“让机器理解世界”，产品服务包括机器人开放平台、机器人OS和场景方案。

官方地址为：

首先得注册一个账号，或者使用第3方登录，都可以。

登录之后，点击创建机器人

机器人名称，可以是自己定义的名字

选择网站->教育学习->其他输入简介

创建成功之后，点击终端设置，拉到最后。

可以看到api接入，下面有一个apikey，待会会用到

右侧有一个窗口，可以和机器人聊天

点击api使用文档，初学者，先看Web API V1.0的

新建一个文件tuling.py，内容如下：import json

import requests

urls = 'http://www.tuling123.com/openapi/api' # 请求地址

data_str = {

"key":"6a944508fd5c4d499b9991862ea12345", # 你的apikey

"info":'今天天气怎么样', # 请求内容

"userid":123, # 开发者给自己的用户分配的唯一标志

}

a = requests.post(urls,data_str) # 必须使用post请求

content = (a._content).decode('utf-8') # 获取返回结果_content属性，并解码

s = json.loads(content) # 反序列化

print(s)

key是你创建机器人的apikey,上面的代码，后5位我改了，复制没用的！

执行代码输出：

{'text': '请问你想查询哪个城市', 'code': 100000}

修改info为北京

再次执行，输出：

{'code': 100000, 'text': '北京:周日 05月27日,多云西南风3-4级,最低气温17度，最高气温32度'}

参数解释：

userid 表示上下文标记，用来区分用户。举个例子，如果我更改了userid，那么我问"今天天气怎么样"

它会返回给我"你想查询哪个城市"。而我不改userid，它会直接返回天气结果。

上下文，好像只能保留上一次，我回复的内容。

a的返回结果是一个requests对象，_content才是我们真正需要的结果。

它是一个bytes类型，需要解码。解码之后一个json数据类型，反序列之后，就可以得到字符串了。

得到字符串之后，就可以调用百度接口，生成语音文件

创建一个audio_test.py文件，用来将字符串生成语音文件，内容如下：import time

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

def text_to_audio(text):

file_name = time.time() # 保证文件名不重复

result = client.synthesis(text, 'zh', 1, {

'spd':5,

'vol': 5,

'pit':5,

'per':0

})

# 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('%s.mp3'%(file_name), 'wb') as f:

f.write(result)

return '%s.mp3'%(file_name)

打开tuling.py，导入模块audio_testimport json

import requests

import audio_text

urls = 'http://www.tuling123.com/openapi/api' # 请求地址

data_str = {

"key":"6a944508fd5c4d499b9991862ea12345", # 你的apikey

"info":'今天天气怎么样', # 请求内容

"userid":123, # 开发者给自己的用户分配的唯一标志

}

a = requests.post(urls,data_str) # 必须使用post请求

content = (a._content).decode('utf-8') # 获取返回结果_content属性，并解码

s = json.loads(content) # 反序列化

print(audio_text.text_to_audio(s.get['text']))

执行输出：

1527421766.491485.mp3

在当前目录会生成一个音频文件，打开播放一下

有一个女生的声音，说："请问你想查询哪个城市"

非常Nice

修改a_t.py，封装成函数，完整代码如下：import os

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '11212345'

API_KEY = 'pVxdhsXS1BIaiwYYNT712345'

SECRET_KEY = 'BvHQOts27LpGFbt3RAOv84WfPCW12345'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

def get_file_content(filePath):

print(filePath)

cmd_str = "ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s.pcm"%(filePath,filePath)

print(cmd_str)

os.system(cmd_str)

with open(filePath+".pcm", 'rb') as fp:

return fp.read()

# 识别本地文件

def audio_text(file_path):

a = client.asr(get_file_content(file_path), 'pcm', 16000, {

'dev_pid': 1536,

})

# print(a["result"])

if a.get("result") :

return a.get("result")[0]

修改jieba_test.py，导入模块，完整代码如下：import jieba

import words

import tuling

for i in words.KEY_WORDS:

jieba.add_word(i)

def fenci(text):

a = list(jieba.cut(text))

# print(a)

user_key_name={

"你叫",

"你叫什么",

"你的名字",

"名字叫什么",

"你叫什么名字",

"名字是什么"

}

if user_key_name.intersection(a):

a = tuling.to_tuling('我叫肖',1)

#print('我叫肖')

print(a)

return a

a = tuling.to_tuling(text,'ai01')

return a

修改tuling.py，完整内容如下：import json

import requests

import audio_text

urls = 'http://www.tuling123.com/openapi/api'

def to_tuling(text,uid):

data_str = {

"key":"6a944508fd5c4d499b9991862ea12345",

"info":text,

"userid":uid,

}

a = requests.post(urls,data_str)

content = (a._content).decode('utf-8')

s = json.loads(content)

print(s)

return audio_text.text_to_audio(s.get('text'))

新建文件wen_da.py,内容如下：import a_t

import jieba_test

a = a_t.audio_text('How_is_the_weather.wav')

b = jieba_test.fenci(a)

How_is_the_weather.wav是我提前录制好的文件，内容是，北京天气如何？

执行wen_da.py，输出：

北京天气如何

{'code': 100000, 'text': '北京:周日 05月27日,多云西南风3-4级,最低气温17度，最高气温32度'}

1527423163.572486.mp3

打开文件1527423163.572486.mp3，听声音，内容应该是

北京:周日 05月27日,多云西南风3-4级,最低气温17度，最高气温32度

本地版的语言识别到这里就结束了！

这种方式很繁琐，很LOW!

来，看一个高大上的效果：

基于flask框架的语言识别系统

点击按钮，开始说话

说完之后，就直接语言播放天气

还能成语接龙

说不知道，就自动退出成语接龙模式

还可以听歌，比如说:"我想听世上只有妈妈好"

就会直接播放音乐

播放音乐功能，是调用了一个第3方接口musicapi

是不是很6呢？

预知后事如何,请听下回分解

注意博客更新即可！

python常用语音识别库_python语音识别相关推荐

python常用标准库的基本用法_Python常用标准库之fileinput
Python常用标准库之fileinput fileinput模块用于对标准输入或多个文件进行逐行遍历.这个模块的使用非常简单,相比open()方法批量处理文件,fileinput模块可以对文件.行号 ...
Python常用第三方库
Python常用第三方库一. 文件读写二.网络抓取和解析三.数据库连接四.数据清洗转换五.数据计算和统计分析六.自然语言处理和文本挖掘七.图像和视频处理八.音频处理九.数据挖掘/机器 ...
python常用库教程_这几个python常用的库你必须知道!
随着人工智能时代的到来,python变得更加流行.受欢迎,功能强大.简单易学.容易入门.应用广泛等,掀起了学习热潮,现在越来越多人转行都会学习python语言.为了让大家快速掌握python,今天为大 ...
python的第三方库是干什么用的-quot;别人造好的轮子”，python常用第三方库——python自动办公7...
下载好向圈APP可以快速联系圈友您需要登录才可以下载或查看,没有帐号?立即注册 x 前记:这是分享和记录我个人自动化办公技能的一系列文章,意在让的小伙伴们看后能够有所帮助和长大.我们都不是专业的 ...
Python常用标准库之正则表达式
Python常用标准库之正则表达式 1.re模块常用函数 1.1 匹配对象以及group()和groups()方法 1.2 match()与search():匹配单个目标 1.3 findall(): ...
Python常用第三方库——简介及下载地址
Python常用第三方库可以在 The Python Package Index (PyPI) 软件库(官网主页:https://pypi.org/ )查询.下载和发布 Python包或库 ...
【博学谷学习记录】超强总结，用心分享 | 人工智能编程语言Python常用标准库（上）
Python常用标准库上 sys库 time库 random库 math库 os库 shutil库 Python语言的急速发展很大程度上得益于其开放共享的特点和良好的社区支持和计算生态,拥有超过十几 ...
python 常用标准库
python 常用标准库 1.文本 string:通用字符串操作 re:正则表达式操作 difflib:差异计算工具 textwrap:文本填充 unicodedata:Unicode字符数据库 st ...
python语音识别库kaldi_Kaldi 语音识别基础教程
Kaldi 介绍 Kaldi 是由 C++ 编写的语音识别工具,其目的在于为语音识别研究者提供一个研究和使用的平台. Kaldi 环境搭建本文主要通过使用 Docker 和 Nvidia-docke ...
python数据科学库_Python数据科学库
python数据科学库什么是数据科学? (What is Data Science?) We live in an information age, where the challenge is t ...

python常用语音识别库_python语音识别

python常用语音识别库_python语音识别相关推荐

最新文章

热门文章