本地录音调用百度语音识别接口

Posted 2021-11-30 dongxixi

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了本地录音调用百度语音识别接口相关的知识，希望对你有一定的参考价值。

#！/usr/bin/env python
import requests
import json
import base64
import pyaudio
import wave
import os
import psutil


#首先配置必要的信息
def bat(voice_path):
    baidu_server = ‘https://aip.baidubce.com/oauth/2.0/token?‘
    grant_type = ‘client_credentials‘
    client_id = ‘uj70rS1LiwZ9sQDvMSUqKsie‘ #API KEY
    client_secret = ‘Q88eav41PzeNLczZ3hlRjhR8e4WShXwD‘ #Secret KEY   这里可以自己去百度注册，这里是我的API KEY 和 Secret KEY

    #合成请求token的url
    url = baidu_server+‘grant_type=‘+grant_type+‘&client_id=‘+client_id+‘&client_secret=‘+client_secret

    #获取token
    res = requests.get(url).text
    data = json.loads(res)
    token = data[‘access_token‘]

    #设置音频的属性，采样率，格式等
    VOICE_RATE = 8000
    FILE_NAME = voice_path
    # USER_ID = ‘16241950‘ #这里的id随便填填就好啦，我填的自己昵称
    FILE_TYPE = ‘wav‘
    CUID="wate_play"
    #读取文件二进制内容
    f_obj = open(FILE_NAME, ‘rb‘)
    content = base64.b64encode(f_obj.read())   # 百度语音识别需要base64编码格式
    speech = content.decode("utf-8")
    size = os.path.getsize(FILE_NAME)

    #json封装
    datas = json.dumps({
        ‘format‘: FILE_TYPE,
        ‘rate‘: VOICE_RATE,
        ‘channel‘: 1,
        ‘cuid‘: CUID,
        ‘token‘: token,
        ‘speech‘: speech,
        ‘len‘: size,
        "dev_pid":"1536"
    })
    return datas

#设置headers和请求地址url
def post(datas):
    headers = {‘Content-Type‘:‘application/json‘}
    url = ‘https://vop.baidu.com/server_api‘
    # url = "http://vop.baidu.com/server_api"

    #用post方法传数据
    request = requests.post(url, datas, headers)
    result = json.loads(request.text)
    text = result.get("result")
    if result[‘err_no‘] == 0:
        return text
    else:
        return "Error"


def get_audio(filepath):
    input("回车开始录音 >>>")     #输出提示文本，input接收一个值,转为str，赋值给aa
    CHUNK = 256                 #定义数据流块
    FORMAT = pyaudio.paInt16    #量化位数（音量级划分）
    CHANNELS = 1               # 声道数;声道数：可以是单声道或者是双声道
    RATE = 8000                # 采样率;采样率：一秒内对声音信号的采集次数，常用的有8kHz, 16kHz, 32kHz, 48kHz, 11.025kHz, 22.05kHz, 44.1kHz
    RECORD_SECONDS = 5          #录音秒数
    WAVE_OUTPUT_FILENAME = filepath     #wav文件路径
    p = pyaudio.PyAudio()               #实例化

    stream = p.open(format=FORMAT,
                    channels=CHANNELS,
                    rate=RATE,
                    input=True,
                    frames_per_buffer=CHUNK)
    print("*"*10, "开始录音：请在5秒内输入语音")
    frames = []                                                 #定义一个列表
    for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):      #循环，采样率11025 / 256 * 5
        data = stream.read(CHUNK)                               #读取chunk个字节 保存到data中
        frames.append(data)                                     #向列表frames中添加数据data
    # print(frames)
    print("*" * 10, "录音结束\\n")

    stream.stop_stream()
    stream.close()          #关闭
    p.terminate()           #终结

    wf = wave.open(WAVE_OUTPUT_FILENAME, ‘wb‘)                  #打开wav文件创建一个音频对象wf，开始写WAV文件
    wf.setnchannels(CHANNELS)                                   #配置声道数
    wf.setsampwidth(p.get_sample_size(FORMAT))                  #配置量化位数
    wf.setframerate(RATE)                                       #配置采样率
    wf.writeframes(b‘‘.join(frames))                            #转换为二进制数据写入文件
    wf.close()              #关闭
    return


def check_disk():
    list_drive = psutil.disk_partitions()  # 找出本地磁盘列表，保存的是结构体对象
    list_disk = []
    for drive in list_drive:
        list_disk.append(drive.device)
    return list_disk


if __name__ == ‘__main__‘:
    list_disk = check_disk() # 检索本地磁盘
    dirname_path = os.path.join(list_disk[0], "voice") # 设置语音文件存放路径， 
                                                                   （mac os下需要自己定存储路径）
    if not os.path.exists(dirname_path):
        os.makedirs(dirname_path)

    filename = "voice.wav"  # 定义语音文件名
    in_path = os.path.join(dirname_path, filename)

    get_audio(in_path) # 录音

    datas = bat(in_path) # 封装百度语音识别需要的配置信息，返回请求头
    res = post(datas) # 连接百度语音识别接口，得到识别结果
    print("识别结果：",res[0])