人工智能 之 语音

Posted 2021-01-13 glh-ty

以下技术均依靠于百度大佬提供的接口操作！调用接口语言为python

一，下载

pip install baidu-aip

二，语音合成

根据百度语言合成官网，调用即可：

#!/usr/bin/env python
# -*- coding:utf8 -*-


from aip import AipSpeech

""" 你的 APPID AK SK """  # 注册百度账号之后，创建一个应用，即可获得这些数据
APP_ID = "14446029"  
API_KEY = "fErCt9KmoKuGDpBZqDQhQB7v"
SECRET_KEY = ‘EXTb37xV1lubXB8D5fzZnlljLHnC7VMx‘

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

text = "你叫啥呀"
res = client.synthesis(text, options={
    "vol": 8,  # 
    "pit": 6,
    "spd": 5,
    "per": 4
})

if not isinstance(res, dict):
    with open(‘audio.mp3‘, ‘wb‘) as f:
        f.write(res)

配置参数详见：http://ai.baidu.com/docs/#/TTS-Online-Python-SDK/top

这样我们生成的’audio‘.mp3文件就是识别后的语言！

三，语言识别

目前百度支持的语言格式：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）（百度自己说的）；

其实，百度能准确的识别的语音格式只有PCM！！！

那么我们就需要把我们的语音格式转换为PCM格式！使用下面这个工具可以完成音频任意装换格式！

FFmpeg 系统工具 ： https://pan.baidu.com/s/1jonSAa_TG2XuaJEy3iTmHg 密码：w6hk 

下载之后，解压，然后配置环境变量，就可以使用了！使用命令看下面代码！

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import os
from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = "14446029"
API_KEY = "fErCt9KmoKuGDpBZqDQhQB7v"
SECRET_KEY = ‘EXTb37xV1lubXB8D5fzZnlljLHnC7VMx‘

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)


def get_file_content(file_path):
    cmd_str = f"ffmpeg -y -i {file_path} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {file_path}.pcm"  # 用于转换我们的语音格式
    os.system(cmd_str)
    with open(f"{file_path}.pcm", ‘rb‘) as fp:
        return fp.read()


res = client.asr(speech=get_file_content("2.m4a"), options={
    "dev_pid": 1536,
})

print(res)
print(res.get("result")[0])

参数配置详见 ： http://ai.baidu.com/docs/#/ASR-Online-Python-SDK/top

 四，自然语言处理（NLP）

详见： http://ai.baidu.com/docs/#/NLP-Python-SDK/top

from aip import AipNlp


""" 你的 APPID AK SK """
APP_ID = "14446029"
API_KEY = "fErCt9KmoKuGDpBZqDQhQB7v"
SECRET_KEY = ‘EXTb37xV1lubXB8D5fzZnlljLHnC7VMx‘


nip_client = AipNlp(APP_ID, API_KEY, SECRET_KEY)

def nip_handle(text):
    if nip_client.simnet("你叫什么名字", text).get("score") >= 0.72:  # 用于返回两个文本的相似度，大于72%既可以认为，2个意思基本相同！
        return "我的名字叫你的小可爱呀"
    return goto_tuling(text, "xipangzi")