欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python调用百度语音REST API

程序员文章站 2022-05-14 15:34:27
本文实例为大家分享了python调用百度语音rest api的具体代码,供大家参考,具体内容如下 (百度的rest接口的部分网址发生了一定的变化,相关代码已更新)...

本文实例为大家分享了python调用百度语音rest api的具体代码,供大家参考,具体内容如下

(百度的rest接口的部分网址发生了一定的变化,相关代码已更新)

百度通过 rest api 的方式给开发者提供一个通用的 http 接口,基于该接口,开发者可以轻松的获得语音合成与语音识别能力。sdk中只提供了php、c和java的相关样例,使用python也可以灵活的对端口进行调用,本文描述了简单使用python调用百度语音识别服务 rest api 的简单样例。

1、语音识别与语音合成的调用

注册开发者帐号和创建应用的过程就不再赘述,百度的rest api在调用过程基本分为三步:

  • 获取token
  • 向rest接口提交数据
  • 处理返回数据

具体代码如下所示:

#!/usr/bin/python3

import urllib.request
import urllib
import json
import base64
class baidurest:
  def __init__(self, cu_id, api_key, api_secert):
    # token认证的url
    self.token_url = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s"
    # 语音合成的resturl
    self.getvoice_url = "http://tsn.baidu.com/text2audio?tex=%s&lan=zh&cuid=%s&ctp=1&tok=%s"
    # 语音识别的resturl
    self.upvoice_url = 'http://vop.baidu.com/server_api'

    self.cu_id = cu_id
    self.gettoken(api_key, api_secert)
    return

  def gettoken(self, api_key, api_secert):
    # 1.获取token
    token_url = self.token_url % (api_key,api_secert)

    r_str = urllib.request.urlopen(token_url).read()
    token_data = json.loads(r_str)
    self.token_str = token_data['access_token']
    pass

  def getvoice(self, text, filename):
    # 2. 向rest接口提交数据
    get_url = self.getvoice_url % (urllib.parse.quote(text), self.cu_id, self.token_str)

    voice_data = urllib.request.urlopen(get_url).read()
    # 3.处理返回数据
    voice_fp = open(filename,'wb+')
    voice_fp.write(voice_data)
    voice_fp.close()
    pass

  def gettext(self, filename):
    # 2. 向rest接口提交数据
    data = {}
    # 语音的一些参数
    data['format'] = 'wav'
    data['rate'] = 8000
    data['channel'] = 1
    data['cuid'] = self.cu_id
    data['token'] = self.token_str
    wav_fp = open(filename,'rb')
    voice_data = wav_fp.read()
    data['len'] = len(voice_data)
    data['speech'] = base64.b64encode(voice_data).decode('utf-8')
    post_data = json.dumps(data)
    r_data = urllib.request.urlopen(self.upvoice_url,data=bytes(post_data,encoding="utf-8")).read()
    # 3.处理返回数据
    return json.loads(r_data)['result']

if __name__ == "__main__":
  # 我的api_key,供大家测试用,在实际工程中请换成自己申请的应用的key和secert
  api_key = "srhykqzl3se1urnaeuz0fkdt" 
  api_secert = "hgqeckampb0elmqtrgc2vjwdmjo7t89d"
  # 初始化
  bdr = baidurest("test_python", api_key, api_secert)
  # 将字符串语音合成并保存为out.mp3
  bdr.getvoice("你好北京邮电大学!", "out.mp3")
  # 识别test.wav语音内容并显示
  print(bdr.gettext("out.wav"))

2、调用pyaudio使用麦克风录制声音

python中的pyaudio库可以直接通过麦克风录制声音,可使用pip进行安装。我们可以通过调用该库,获取到wav测试语音。
具体代码如下所示:

#!/usr/bin/python3
# -*- coding: utf-8 -*-

from pyaudio import pyaudio, paint16 
import numpy as np 
from datetime import datetime 
import wave

class recoder:
  num_samples = 2000   #pyaudio内置缓冲大小
  sampling_rate = 8000  #取样频率
  level = 500     #声音保存的阈值
  count_num = 20   #num_samples个取样之内出现count_num个大于level的取样则记录声音
  save_length = 8     #声音记录的最小长度:save_length * num_samples 个取样
  time_count = 60   #录音时间,单位s

  voice_string = []

  def savewav(self,filename):
    wf = wave.open(filename, 'wb') 
    wf.setnchannels(1) 
    wf.setsampwidth(2) 
    wf.setframerate(self.sampling_rate) 
    wf.writeframes(np.array(self.voice_string).tostring()) 
    # wf.writeframes(self.voice_string.decode())
    wf.close() 

  def recoder(self):
    pa = pyaudio() 
    stream = pa.open(format=paint16, channels=1, rate=self.sampling_rate, input=true, 
      frames_per_buffer=self.num_samples) 
    save_count = 0 
    save_buffer = [] 
    time_count = self.time_count

    while true:
      time_count -= 1
      # print time_count
      # 读入num_samples个取样
      string_audio_data = stream.read(self.num_samples) 
      # 将读入的数据转换为数组
      audio_data = np.fromstring(string_audio_data, dtype=np.short)
      # 计算大于level的取样的个数
      large_sample_count = np.sum( audio_data > self.level )
      print(np.max(audio_data))
      # 如果个数大于count_num,则至少保存save_length个块
      if large_sample_count > self.count_num:
        save_count = self.save_length 
      else: 
        save_count -= 1

      if save_count < 0:
        save_count = 0 

      if save_count > 0 : 
      # 将要保存的数据存放到save_buffer中
        #print save_count > 0 and time_count >0
        save_buffer.append( string_audio_data ) 
      else: 
      #print save_buffer
      # 将save_buffer中的数据写入wav文件,wav文件的文件名是保存的时刻
        #print "debug"
        if len(save_buffer) > 0 : 
          self.voice_string = save_buffer
          save_buffer = [] 
          print("recode a piece of voice successfully!")
          return true
      if time_count==0: 
        if len(save_buffer)>0:
          self.voice_string = save_buffer
          save_buffer = [] 
          print("recode a piece of voice successfully!")
          return true
        else:
          return false

if __name__ == "__main__":
  r = recoder()
  r.recoder()
  r.savewav("test.wav")  

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。