什么是REST api? -- REpresentational State Transfer REST api是基于http请求的一种api,就百度语音识别的实例来讲,通过百度提供的url加上经过编码的音频文件,向百度服务器发出请求,然后百度服务器返回识别的内容。结束。
优点
不受平台限制(我在树莓派上操作的)
代码简单
缺点:
依赖网络
对要识别的音频格式要求高
百度语音REST api 支持的语言java、php、python、c# 、Node.js。下面分享一个python2.7版的实例 1.先去注册开发者账号,新建应用,获得APP_ID,API_KEY,SECRET_KEY 2.安装SDK
安装使用SDK有如下方式:
如果已安装pip,执行pip install baidu-aip即可。
如果已安装setuptools,执行python setup.py install即可
3.安装完了看代码 语音合成
# -*- coding: UTF-8 -*-
from aip import AipSpeech
# 定义常量
APP_ID = '9****418'
API_KEY = 'uXmKYE0zX67****kGxO8c0'
SECRET_KEY = 'ba7c43158****2d0d180c80f132a'
# 初始化AipSpeech对象
aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = aipSpeech.synthesis(' 一二三四五六七八九十', 'zh', 1, {
'vol': 5,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
with open('8k.wav', 'wb') as f:
f.write(result)
完了,就这些,synthesis()方法的第一个参数是要合成的文字,open()方法的第一个参数是合成后的文件名加后缀,其他没啥。
语音识别 语音识别分为显式和隐式。实测效果一样。 我搞不清哪个叫显式哪个叫隐式了 一个是这样的
# -*- coding: UTF-8 -*-
from aip import AipSpeech
import json
# 定义常量
APP_ID = '99***418'
API_KEY = 'uXmKY*****kcbCWkGxO8c0'
SECRET_KEY = 'ba7c43158*******d0d180c80f132a'
# 初始化AipSpeech对象
aipSpeech = 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
result = aipSpeech.asr(get_file_content('8k.amr'), 'amr', 8000, {
'lan': 'zh',
})
json_result = json.dumps(result)
strtestObj = json.loads(json_result)
#print strtestObj
lists = strtestObj["result"]
print "识别结果:".decode('utf-8').encode('gbk'),lists[0]
get_file_content()方法的参数是要上传的音频文件名加后缀(音频格式), asr()方法的第二个参数是音频格式,第二个参数是采样率,仅支持 8000 或者 16000
另一个是这样的
# -*- coding: UTF-8 -*-
import base64
import urllib2
import urllib
import json
import wave
def get_token():
URL = 'http://openapi.baidu.com/oauth/2.0/token'
_params = urllib.urlencode({'grant_type': 'client_credentials',
'client_id': 'uXmKYE0z*****cbCWkGxO8c0',
'client_secret': 'ba7c43158dca*****2d0d180c80f132a'})
_res = urllib2.Request(URL, _params)
_response = urllib2.urlopen(_res)
_data = _response.read()
_data = json.loads(_data)
return _data['access_token']
# 读取文件
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def wav_to_text(wav_file):
try:
speech_data= get_file_content(wav_file)
speech_base64=base64.b64encode(speech_data).decode('utf-8')
speech_length=len(speech_data)
except IOError:
print u'文件错误!'
return
data = {"format": "wav",
"token": get_token(),
"len": speech_length,
"rate": 8000,
"speech": speech_base64,
"cuid": "74-D0-2B-78-BF-AA",
"channel": 1}
data = json.dumps(data)
res = urllib2.Request('http://vop.baidu.com/server_api',
data,
{'content-type': 'application/json'})
response = urllib2.urlopen(res)
res_data = json.loads(response.read())
print res_data ['result'][0]
if __name__ == '__main__':
wav_to_text('1.wav')
“duang” 拉么多!还是果断选第一种,不过还是先简单介绍一下吧:思路是这样的:
先根据API_KEY和SECRET_KEY获得token,
然后压缩音频文件 b64encode()方法之类操作
最后封装url后Request()去请求.