Python在线语音识别速成案例 | 手把手快速尝鲜百度语音技术SDK包 | 机器语音

对于语音识别初学者来说，通过简单案例快速上手，不仅能够快速了解语音识别等实际应用模式，对枯燥无味的学习中提升兴趣值也大有帮助。百度语音提供了语音识别、语音合成和语音唤醒等产品的SDK免费资源，是面向广大开发者永久免费的开放语音技术平台，且简单易用，可以作为学习之余练手的好去处。

本文以在线语音识别为例，基于Python开发环境，尝试介绍一下如何使用百度语音识别资源。

步骤1：注册百度开发者身份

进入百度语音（http://yuyin.baidu.com/）页面，首先注册百度语音账号，或者用百度账号登录，进入系统后，点击右上角“应用管理”，填入相关信息，注册成为百度开发者。

步骤2：创建应用

同样点击“应用管理”页面，进入后点击“创建新应用”，可以理解为新建了一个自己的工程Project，创建过程中的信息可以按需填写，影响不大。

创建完成后有一个叫“查看key”的按钮，这个key中包含了App ID、API Key、Secret Key几个关键信息，这些信息就像是该应用的身份证，是与百度语音云端交互的唯一身份标识，用txt文件记下，后面Python代码调用时需要用到。

步骤3：开通应用服务

点击应用卡片上的“开通服务”，选择该应用的服务，我们这里做语音识别就选择“语音识别”， “语音识别” 服务开通成功后即可获得 50000次/日 的在线识别调用配额（有一种地上捡到钱的赶脚）。

步骤4：下载SDK包并安装

服务开通过程中，会跳出SDK包的下载通道，可以现在下载SDK包，也可以到“SDK下载”页面中，在语音识别服务的“RestApi SDK下载”中，选择相应语言版本的SDK包进行下载，我们这里基于Python语言，因此下载Python的SDK包，目前版本是“aip-python-sdk-2.0.0”，包里提供了setup.py文件，可在python环境下，cd到该文件夹下用python setup.py install进行安装（官网也提供了pip安装方式，但不知什么原因pip找不到）。

步骤5：语音文件准备

目前，百度语音识别支持pcm、wav、amr三种语音文件格式（实际wav和amr都会在云端被转换成pcm），录音文件时长不超过60s，文件大小不超过10MB。可支持的语言包括普通话、英语、粤语、四川话。

我们可以自己录制一段语音，利用format factory等软件转成上述三种文件格式，但后面测试效果不是太好，会报错提示语音质量不高，这点可能是百度语音需要持续改进的地方。为了快速满足好奇心，可利用官方提供的测试文件，具体下载位置为http://ai.baidu.com/docs#/ASR-API/top ，在其中找到“16k采样率pcm文件样例下载”、“16k 采样率wav文件样例下载”、“ 16k采样率amr文件样例下载”进行下载。

步骤6：执行代码

到这里，所有准备工作就完了，下面进入正题，python代码编写阶段。在“SDK下载”页面中，虽然提供了“语音REST API示例代码”，但里面目前只提供了bash-shell、java、linux-c、php等语言的代码，并没有提供python代码。

（1）新建AipSpeech

AipSpeech是语音识别的Python SDK客户端，为使用语音识别的开发人员提供了一系列的交互方法，这里选择默认配置即可。实现代码如下：

from aip import AipSpeech

""" 你的 APPID AK SK """

APP_ID = '你的 App ID'

API_KEY = '你的 Api Key'

SECRET_KEY = '你的 Secret Key'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

这里，步骤2中的“查看key”就派上用场了。

（2）语音识别

语音识别的工作逻辑非常简单，从本地读取待识别语音样本数据后上传到云端服务器，声学模型和语言模型都架在云端（这是语音识别的核心竞争力），分析后将结果返回到本地。实现代码如下：

# 读取文件

def get_file_content(filePath):

with open(filePath, 'rb') as fp:

return fp.read()

# 识别本地文件

client.asr(get_file_content(' 16k.pcm'), 'pcm', 16000, {

'dev_pid': '1536',})

其中，client.asr()函数第一位是文件地址，我们用的样本是“16k采样率pcm文件样例下载”的样本；第二位是样本文件格式；第三位是样本文件采样率；第四位是样本文件的语言类型，这里是普通话。

（3）返回结果

{'corpus_no': '6553433148693781449',

'err_msg': 'success.',

'err_no': 0,

'result': ['北京科技馆，'],

'sn': '44754269321525840058'}

运行结束，返回识别结果“北京科技馆”，存储在result变量中。

结束语

以上就是在线语音识别的案例，希望通过这篇的阐述，能够给大家一个直接的练手案例，节省大家寻找案例的时间。同时，百度语音还有其它很多案例可用，如果想快速成为一个语音技术开发工程师，可以尝试花一点时间跑一跑程序，快速入门。