百度语音识别[python]

机智翔学长

1691人浏览 · 2019-12-12 10:35:07

机智翔学长 · 2019-12-12 10:35:07 发布

代码下载：https://download.csdn.net/download/GreatXiang888/12028057

一

首先上百度AI平台申请账号，和开通语音识别模块。
这个比较简单，不细说。
你可以得到三个东西：

AppID
API Key
Secret Key

并新建一个my_password.txt，按上述格式粘贴进去。（防止把密码明文直接写到代码中）

二

打开cmd命令行窗口，输入 pip install baidu-aip ，安装相关依赖。

三

新建ai.py，粘贴以下代码：
将待转换音频复制到相同目录下，如16k.pcm

from aip import AipSpeech

def getPassword(path="my_password.txt"):
    with open(path, "r", encoding="utf-8") as f:
        APP_ID = f.readline().strip()
        API_KEY = f.readline().strip()
        SECRET_KEY = f.readline().strip()
    return APP_ID, API_KEY, SECRET_KEY

# 读取文件
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def audio2Text(audio_path, text_save_path="result.txt"):
    APP_ID, API_KEY, SECRET_KEY = getPassword()
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

    # 识别本地文件
    try:
        print("正在转换中，请等待...")
        res = client.asr(get_file_content(audio_path), 'pcm', 16000, {
            'dev_pid': 1537,
        })
        print("转换完成：")
        print(res)
    except Exception as e:
        print("出错了！")
        print(e)

if __name__ == "__main__":
    audio2Text("16k.pcm")

结果：
在这里插入图片描述
可以看到result对应的value值就是转换的内容。

高级内容

1，值得注意的是，因为语音识别模型采用类似seq2seq的神经网络，故音频长度都限制在60s内。见将音频分割为60s内的短文件[Cygwin; speech-vad-demo] https://blog.csdn.net/GreatXiang888/article/details/103495082
2，另外，m4a格式音频(录音/微信语音)不支持普通识别，需要用付费接口。但可以自己转换成其他格式。
见硬核音频格式转换[ffmpeg] https://blog.csdn.net/GreatXiang888/article/details/103496717

悲伤

遗憾的是，我做了上面的一切，发现还是不能达到想要的效果。
具体为：
1，从手机中获取录音文件，1小时左右，m4a格式，想转换成文字版。
2，因为m4a格式不能调接口，故用ffmpeg 转换成wav格式。
3，因为音频不能太长，故用Cygwin; speech-vad-demo 分割60s以内文件。
4，以上几步都成功了，用实例文件转换也成功了，但我自己切分的文件却失败了。

如果有哪位知道原因，请赐教。
（我再想想其他办法）
原本以为很简单的一个语音识别，却有这么多坑呐。