基于python实现语音录入识别代码实例

这篇文章主要介绍了如何通过python实现语音录入识别,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

一、介绍

1.第一步录音存入本地

2.调用百度语音识别sdk

注意点：百度语音识别对声音源有要求，比特率必须是256kbps

二、代码

#安装必要库
pip install baidu-aip #百度sdk
pip install pyaudio

import wave
import pyaudio
from aip import aipspeech

def record():
 # 定义数据流块
 chunk = 1024
 format = pyaudio.paint16
 # 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps
 channels = 1
 rate = 16000
 # 录音时间
 record_seconds = 8
 # 要写入的文件名
 wave_output_filename = "output.wav"
 # 创建pyaudio对象
 p = pyaudio.pyaudio()

 # 打开数据流
 stream = p.open(format=format,
     channels=channels,
     rate=rate,
     input=true,
     frames_per_buffer=chunk)

 print("* recording")

 # 开始录音
 frames = []
 for i in range(0, int(rate / chunk * record_seconds)):
  data = stream.read(chunk)
  frames.append(data)

 print("* done recording")
 # 停止数据流
 stream.stop_stream()
 stream.close()

 # 关闭pyaudio
 p.terminate()

 # 写入录音文件
 wf = wave.open(wave_output_filename, 'wb')
 wf.setnchannels(channels)
 wf.setsampwidth(p.get_sample_size(format))
 wf.setframerate(rate)
 wf.writeframes(b''.join(frames))
 wf.close()
def asr():
 # 录音
 record()

 """ 你的 appid ak sk """
 app_id = '****'
 api_key = '****'
 secret_key = '****'

 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
 res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
  'dev_pid': 1536,
 })

 print(res)
if __name__ == '__main__':
 asr()

三、语音命令控制程序

import wave
import pyaudio
from aip import aipspeech
import win32api

def record():
 # 定义数据流块
 chunk = 1024
 format = pyaudio.paint16
 # 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps
 channels = 1
 rate = 16000
 # 录音时间
 record_seconds = 8
 # 要写入的文件名
 wave_output_filename = "output.wav"
 # 创建pyaudio对象
 p = pyaudio.pyaudio()

 # 打开数据流
 stream = p.open(format=format,
     channels=channels,
     rate=rate,
     input=true,
     frames_per_buffer=chunk)

 print("* recording")

 # 开始录音
 frames = []
 for i in range(0, int(rate / chunk * record_seconds)):
  data = stream.read(chunk)
  frames.append(data)

 print("* done recording")
 # 停止数据流
 stream.stop_stream()
 stream.close()

 # 关闭pyaudio
 p.terminate()

 # 写入录音文件
 wf = wave.open(wave_output_filename, 'wb')
 wf.setnchannels(channels)
 wf.setsampwidth(p.get_sample_size(format))
 wf.setframerate(rate)
 wf.writeframes(b''.join(frames))
 wf.close()
def asr():
 # 录音
 record()

 """ 你的 appid ak sk """
 app_id = '****'
 api_key = '****'
 secret_key = '****'

 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
 res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
  'dev_pid': 1536,
 })
 if not res.get("err_no"):
  return res.get("result")[0]
 return res.get("err_no")

def control(order):
 # 命令对应的程序路径
 open_order={"打开qq":r"c:\program files (x86)\tencent\qq\bin\qqsclauncher.exe","打开记事本":r"d:\notepad++\notepad++.exe","打开浏览器":r"c:\users\ffm11\appdata\roaming\360se6\application\360se.exe"}
 res=open_order.get(order)
 if res:
  # 参数1：用于指定父窗口句柄。当函数调用过程出现错误时，它将作为windows消息窗口的父窗口
  # 参数2：用于指定要进行的操作。
  # “open”操作表示执行由lpfile参数指定的程序，或打开由lpfile参数指定的文件或文件夹；
  # “print”操作表示打印由lpfile参数指定的文件；
  # “explore”操作表示浏览由lpfile参数指定的文件夹。
  # 参数3：用于指定要打开的文件名、要执行的程序文件名或要浏览的文件夹名。
  # 参数4：若lpfile参数是一个可执行程序，则此参数指定命令行参数，否则此参数应为null.
  # 参数5：若lpfile参数是一个可执行程序，则此参数指定程序窗口的初始显示方式，否则此参数应设置为0。
  # 这个参数常用的常数：
  # sw_hide 隐藏窗口，活动状态给令一个窗口
  # sw_minimize 最小化窗口，活动状态给令一个窗口
  # sw_restore 用原来的大小和位置显示一个窗口，同时令其进入活动状态
  # sw_show 用当前的大小和位置显示一个窗口，同时令其进入活动状态
  # sw_showmaximized 最大化窗口，并将其激活
  # sw_showminimized 最小化窗口，并将其激活
  # sw_showminnoactive 最小化一个窗口，同时不改变活动窗口
  # sw_showna 用当前的大小和位置显示一个窗口，不改变活动窗口
  # sw_shownoactivate 用最近的大小和位置显示一个窗口，同时不改变活动窗口
  win32api.shellexecute(0, 'open', res, '', '', 1)
 else:
  print("语音命令失败")

if __name__ == '__main__':
 order=asr()
 control(order.rstrip("。"))

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。