对于“Python调用百度api实现语音识别”的完整攻略，我将分成以下几个部分进行讲解。

1. 百度AI平台的申请和配置

在使用百度AI平台的语音识别API前，需要先进行相关配置。具体步骤如下：

1.1 注册百度智能云账号

如果你没有百度智能云的账号，需要先进行注册。注册地址为：https://cloud.baidu.com/

1.2 创建应用

创建应用是为了在百度AI平台上获取相关的API Key和Secret Key。创建应用时需要选择“语音识别”服务，并填写相关信息。具体创建步骤可以参照百度AI平台的官方文档进行。

1.3 获取API Key和Secret Key

在创建应用后，百度AI平台会生成一对API Key和Secret Key。这两个Key是调用百度AI平台的接口时必须的参数，需要妥善保管。

2. 安装Python依赖库

在使用Python调用百度AI平台的接口时，需要使用到以下两个Python第三方库：

requests
json

可以使用以下命令进行安装：

pip install requests json

3. 调用百度AI平台的语音识别接口

调用百度AI平台的语音识别接口需要构造一个特定的HTTP请求，并包含相应的API Key和Secret Key等参数。具体步骤如下：

3.1 构造HTTP请求

需要构造以下参数：

必须参数：
URL：接口的URL，需要根据具体需要选择对应的URL。例如使用语音识别接口的URL为：https://vop.baidu.com/server_api
Method：请求方法，一般为POST
Content-Type：请求的内容格式，一般为application/json
参数部分：
dev_pid：识别模型ID，具体可以参考官方文档。例如使用通用模型（中文普通话）的模型ID为1537
rate：
len：
channels：
cuid：用户ID，可以为空

3.2 添加API Key和Secret Key

在构造HTTP请求中，需要添加API Key和Secret Key等参数。具体添加方式如下：

import hashlib
import hmac

api_key = "your_api_key"
secret_key = "your_secret_key"

def generate_signature(api_key,secret_key,url,params):

    sign_params = ''
    for key in sorted(params.keys()):
        sign_params += '{}={}'.format(key,params[key])

    sign_str = url+'?'+sign_params+secret_key
    sign = hmac.new(api_key.encode('utf-8'),sign_str.encode('utf-8'),hashlib.sha1).hexdigest()
    return sign

生成签名后，需要将签名添加到HTTP请求的参数中。

3.3 调用API接口并处理响应

可以使用Python的requests库来发送HTTP请求，并处理响应结果。以下是一个示例代码：

import requests
import json

url = "https://vop.baidu.com/server_api"
api_key = "your_api_key"
secret_key = "your_secret_key"
dev_pid = 1537
rate = 16000
len = 0
channels = 1
cuid ="test_python"
token = '24.14970dep0506HEksRSEUH1NNZkc-PCRn3H-hWf5YYUVA8dn0512FZP12OVzfXHWokiY_eRlQYyMYUhPmX4-YTTNYcldKQ'

params = {
    "format": "wav",
    "rate": rate,
    "lan": "zh",
    "token": token,
    "len": len,
    "channel": channels,
    "cuid": cuid,
    "dev_pid": dev_pid,
}

headers = {
            'Content-Type': 'application/json',
        }

signature = generate_signature(api_key,secret_key,url,params)
params['signature'] = signature

file_path = "path-to-your-audio-file"
files = [
    ('audio', ('file', open(file_path, 'rb'), 'audio/wav'))
]

response = requests.post(url=url,data=params, headers=headers,files=files).json()

if response:
    result = response.get('result',[])
    if result:
        print(result[0])
    else:
        print('识别失败')
else:
    print('调用API失败')

以上代码中，需要注意的是：

在构造HTTP请求时，需要根据具体的参数构造请求URI和请求参数
在调用API接口时，需要添加签名等安全相关参数
在发送HTTP请求时，需要以文件的形式上传音频文件，并包含相关的请求头信息

4. 示例说明

以下是两个Python调用百度语音识别API的示例说明。

示例1. 语音识别本地音频文件

假设有一个本地音频文件test.wav，需要对该音频文件进行语音识别。可以使用以下代码：

import requests
import json

url = "https://vop.baidu.com/server_api"
api_key = "your_api_key"
secret_key = "your_secret_key"
dev_pid = 1537
rate = 16000
len = 0
channels = 1
cuid ="test_python"
token = '24.14970dep0506HEksRSEUH1NNZkc-PCRn3H-hWf5YYUVA8dn0512FZP12OVzfXHWokiY_eRlQYyMYUhPmX4-YTTNYcldKQ'

params = {
    "format": "wav",
    "rate": rate,
    "lan": "zh",
    "token": token,
    "len": len,
    "channel": channels,
    "cuid": cuid,
    "dev_pid": dev_pid,
}

headers = {
            'Content-Type': 'application/json',
        }

signature = generate_signature(api_key,secret_key,url,params)
params['signature'] = signature

file_path = "test.wav"
files = [
    ('audio', ('file', open(file_path, 'rb'), 'audio/wav'))
]

response = requests.post(url=url,data=params, headers=headers,files=files).json()

if response:
    result = response.get('result',[])
    if result:
        print(result[0])
    else:
        print('识别失败')
else:
    print('调用API失败')

以上演示了如何调用百度API实现语音识别。在实际使用时，需要修改相应的参数，比如api_key和secret_key是需要替换成自己的Key的。

示例2. 实时语音识别

如果需要实现实时语音识别，可以将录制的语音进行分片，并通过Websocket实时进行发送。以下是一个示例代码：

import json
import time
import uuid
import threading
import websocket
import pyaudio

def generate_ws_url(token):
    return 'wss://vop.baidu.com/realtime_asr?token={}'.format(token)

def get_auth_token(api_key,secret_key):
    url = 'https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(api_key,secret_key)
    response = requests.post(url).json()
    token = response.get('access_token',None)
    return token

class AsrClient(object):

    def __init__(self, api_key, secret_key,dev_pid=1536,rate=16000,channel=1,cuid=None):
        self.api_key = api_key
        self.secret_key = secret_key
        self.dev_pid = dev_pid
        self.rate = rate
        self.channel = channel
        self.cuid = str(uuid.uuid1()) if not cuid else cuid
        self.token = get_auth_token(api_key,secret_key)
        self.ws_url = generate_ws_url(self.token)
        self.chunk_size = 640
        self.audio_finished = False
        self.buffer = []

    def audio_recorder_callback(self, in_data, frame_count, time_info, status):
        if self.audio_finished:
            return None, pyaudio.paComplete
        self.buffer.append(in_data)
        return None, pyaudio.paContinue

    def create_ws_thread(self):

        def on_message(ws, message):
            result = json.loads(message)
            print(result['results'][0]['alternatives'][0]['transcript'])

        def on_error(ws, error):
            print(error)

        def on_close(ws):
            print("### closed ###")

        def on_open(ws):

            def run():
                ws.send(json.dumps({
                    "common": {
                        "app_id": self.api_key,
                        "cuid": self.cuid,
                        "dev_pid": self.dev_pid
                    },
                    "business": {
                        "language": "zh",
                        "domain": "exhibition"
                    }
                }))
                time.sleep(1)
                size = 0
                for chunk in self.buffer:
                    ws.send(chunk, websocket.ABNF.OPCODE_BINARY)
                    size += len(chunk)
                    if size > self.chunk_size:
                        time.sleep(0.1)
                        size = 0

                ws.send('', websocket.ABNF.OPCODE_BINARY)
                self.audio_finished = True
                time.sleep(5)

            t = threading.Thread(target=run)
            t.start()

        websocket.enableTrace(True)
        ws = websocket.WebSocketApp(self.ws_url,
                                    on_message = on_message,
                                    on_error = on_error,
                                    on_close = on_close)
        ws.on_open = on_open

        ws.run_forever()

    def recognition_audio(self, record_seconds = 10):

        self.buffer = []
        self.audio_finished = False

        p = pyaudio.PyAudio()

        stream = p.open(format=pyaudio.paInt16,
                        channels=self.channel,
                        rate=self.rate,
                        input=True,
                        frames_per_buffer=self.chunk_size,
                        stream_callback=self.audio_recorder_callback)

        stream.start_stream()

        ws_thread = threading.Thread(target=self.create_ws_thread)
        ws_thread.start()

        time.sleep(record_seconds)

        stream.stop_stream()
        stream.close()

        p.terminate()

        print('Audio recording ended')

def main():
    api_key = "XXX"
    secret_key = "XXX"
    client = AsrClient(api_key,secret_key,dev_pid=1536,rate=16000,cuid='test_python')
    client.recognition_audio(60)

if __name__ == '__main__':
    main()

以上示例演示了如何通过Websocket实时推送实时语音，并使用百度语音识别API来实现实时语音识别。需要注意的是，由于实时语音识别功能需要打开麦克风进行录制，因此需要使用到Pyaudio库来进行麦克风录音。同时，由于Websocket是实时通信，因此需要另开一个线程来进行Websocket的发送。这个线程中需要将麦克风录制的音频进行chunk分片，并进行Websocket发送。在音频录制结束后，需要人为进行Audio Finished的标记，以便Websocket发送线程可以知道音频已经录制完毕，避免出现网络服务端响应缓慢等问题。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：Python调用百度api实现语音识别详解 - Python技术站

Python调用百度api实现语音识别详解