调用 Baidu 语音识别接口识别短句
语音识别已经是很成熟的技术了，本文记录调用百度 API 实现语音识别的过程。
简介
百度语音识别的功能：
- 技术领先识别准确
采用领先国际的流式端到端语音语言一体化建模方法，融合百度自然语言处理技术，近场中文普通话识别准确率达98%
- 多语种和多方言识别
支持普通话和略带口音的中文识别；支持粤语、四川话方言识别；支持英文识别
- 深度语义解析
支持50多个领域的语义理解，如：天气，交通，娱乐等。还可接入智能对话定制与服务平台UNIT自定义语义理解和对话服务，让您更准确地理解用户意图
- 中文标点智能断句
使用大规模数据集训练语言模型，根据语音的内容理解和停顿智能匹配合适的标点符号（包括，。！？），使识别结果的表现方式贴合表述，更加可懂
- 数字格式智能转换
根据语音内容理解可以将数字序列、小数、时间、分数、基础运算符正确转换为数字格式，使得识别的数字结果更符合使用习惯，直观自然
- 支持自助训练专属模型
支持在语音自训练平台上自助训练模型，上传词汇文本即可零代码完成训练，精准提升业务领域词汇识别率5-25%，并可专属使用
准备流程
- 申请百度智能云账号
- 登录百度智能云，进入控制台
导航->产品服务->语音技术
- 创建应用
勾选需要的应用，填入信息即可。
- 领取免费资源
- 选择自己需要的服务 -> 0元领取
- 5分钟内，等待其生效
生效后可以看到 15 W 次的免费测试额度，对简单测试来说已经足够用了。
获取 Access Token
在您创建完毕应用后，平台将会分配给您此应用的相关凭证，主要为AppID、API Key、Secret Key。以上三个信息是您应用实际开发的主要凭证，请您妥善保管。
您需要使用创建应用所分配到的AppID、API Key及Secret Key，进行Access Token（用户身份验证和授权的凭证）的生成。
官方文档： Access Token获取 。
核心方法需要向授权服务地址https://aip.baidubce.com/oauth/2.0/token发送请求（推荐使用POST），并在URL中带上以下参数：
- grant_type： 必须参数，固定为
client_credentials； - client_id： 必须参数，应用的
API Key； - client_secret： 必须参数，应用的
Secret Key；
官方推荐三种方法，我们这里采用 Python 脚本实现的方法。
123456789101112131415161718192021 | import requestsimport jsondef main(): url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=xxxxxx&client_secret=xxxxx" payload = "" headers = { 'Content-Type': 'application/json', 'Accept': 'application/json' } response = requests.request("POST", url, headers=headers, data=payload) print(response.text) if __name__ == '__main__': main() |
|---|
从返回的 json 包中取出 access_token 的值即可，返回值中的 expires_in 为该 token 的有效期，单位是 s，其他参数忽略，暂时不用;
我返回的 “expires_in”:2592000，表示 30 天有效期，过期后需要重新申请 access_token。
语音识别
分为 API 版和 SDK 版，使用 HTTP 接入的录音时长不能超过 60s，对于我来说足够用了，因此本文以 HTTP API 接入方式为例。
音频重采样
语音识别需要将音频采样频率固定在 16k，如果当前音频不是 16k 采样率，需要重采样。
可以参考 修改 wav 音频采样率
测试音频
原神中的一段 音频 为例。
调用百度的音频识别 API Python Demo 示例：
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576 | coding=utf-8import sysimport timeIS_PY3 = sys.version_info.major == 3if IS_PY3: from urllib.request import urlopen from urllib.request import Request from urllib.error import URLError from urllib.parse import urlencode timer = time.perf_counter# 需要识别的文件AUDIO_FILE = 'audio_resampled.wav' # 只支持 pcm/wav/amr 格式，极速版额外支持m4a 格式# 文件格式FORMAT = AUDIO_FILE-3:; # 文件后缀只支持 pcm/wav/amr 格式，极速版额外支持m4a 格式CUID = '123456PYTHON';# 采样率RATE = 16000; # 固定值# 普通版DEV_PID = 1537; # 1537 表示识别普通话，使用输入法模型。根据文档填写PID，选择语言及识别模型ASR_URL = 'http://vop.baidu.com/server_api'SCOPE = 'audio_voice_assistant_get' # 有此scope表示有asr能力，没有请在网页里勾选，非常旧的应用可能没有if __name__ == '__main__': my_token = "your access token" """ httpHandler = urllib2.HTTPHandler(debuglevel=1) opener = urllib2.build_opener(httpHandler) urllib2.install_opener(opener) """ speech_data = [] with open(AUDIO_FILE, 'rb') as speech_file: speech_data = speech_file.read() length = len(speech_data) if length == 0: raise RuntimeError('file %s length read 0 bytes' % AUDIO_FILE) params = {'cuid': CUID, 'token': my_token, 'dev_pid': DEV_PID} #测试自训练平台需要打开以下信息 #params = {'cuid': CUID, 'token': token, 'dev_pid': DEV_PID, 'lm_id' : LM_ID} params_query = urlencode(params); headers = { 'Content-Type': 'audio/' + FORMAT + '; rate=' + str(RATE), 'Content-Length': length } url = ASR_URL + "?" + params_query print("url is", url); print("header is", headers) # print post_data req = Request(ASR_URL + "?" + params_query, speech_data, headers) try: begin = timer() f = urlopen(req) result_str = f.read() print("Request time cost %f" % (timer() - begin)) except URLError as err: print('asr http response http code : ' + str(err.code)) result_str = err.read() if (IS_PY3): result_str = str(result_str, 'utf-8') print(result_str) with open("result.txt", "w") as of: of.write(result_str) |
|---|
在代码的 my_token 处填入自己的 access-token，就可以识别我的示例音频了，我的输出：
12 | {"corpus_no":"7246604200451327860","err_msg":"success.","err_no":0,"result":"这就是四方之风的力量中特婉林只能借用三方的原因了。","sn":"185528422541687231520"} |
|---|
还是可以的。
参考资料
- https://ai.baidu.com/ai-doc/SPEECH/qknh9i8ed
- https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu
- https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre