Python3使用科大讯飞API接口实现音频文件转写
注意事项
科大讯飞语音转写 API 文档链接: https://www.xfyun.cn/doc/asr/lfasr/API.html.
科大讯飞语音转写Python3的demo下载链接：http://xfyun-doc.ufile.ucloud.com.cn/1564736425808301/weblfasr_python3_demo.zip
上一篇写了用百度智能云进行音频文件转写的博客，但是那个效果啊，有点惨不忍睹，至少我的识别结果是这样。然后转而使用了一下科大讯飞的，想着科大讯飞专门做语音相关的这一块，应该会好些。语音转写的Python3的demo代码确实很不错，函数接口很简洁，本文代码都是这个demo里面的。识别准确率还是可以的，而且不需要像百度那样整点才开始识别，很快就返回了识别结果。
如果你的录音是不止一个人，而是像电话录音那种，想把转写结果中不同人说的话的分离出来，请按照下面这样添加预处理参数（demo中默认是没有添加这儿最后两个参数的，不添加的话，默认是不进行角色分离的）：
这样的话，转写结果的speaker的值就不全是0了，而是根据不同的人对转写结果进行分离：
操作系统：Windows
Python：3.6
可用时长： 免费用户时长5小时，且用且珍惜。
音频属性： 采样率16k或8k、位长8bits或16bits、单声道&多声道
音频格式： wav/flac/opus/m4a/mp3
音频大小： 不超过500M
音频时长： 不超过5小时，建议5分钟以上
语言种类： 中文普通话、英文
转写结果保存时长 30天。（同一通录音不需要重新上传识别，如果你已经上传识别过了，之后只需要使用api.get_result_request(taskid)的方式即可再次获取识别结果，taskid是你第一次上传录音时给你分配的任务ID，避免重复上传浪费可用时长）
APP_ID, SECRET_KEY的获取
讯飞的好像不需要API_KEY，开放授权的方式和其他大厂的类似：
1、页面右上方“控制台”点击进入，登录讯飞账号（没有就注册一个），进入讯飞开放平台。
2、左侧导航栏上方，依次选择 语音识别->语音转写->离线语音转写识别。
3、服务申请。点击“创建应用”，“接口选择”已默认勾选完成，如无其他需求，无需勾选，完成其他资料后，点击最下方“立即创建”按钮。自己可以手动领取5小时免费试用体验包。
4、应用成功则页面显示“创建完毕”，点击”返回应用列表”， 查看新创建应用详情，在服务接口认证信息窗口就可以看到返回的AppID，SecretKey。
话不多说，直接上代码了
# -*- coding: utf-8 -*-
#
# author: yanmeng2
#
# 非实时转写调用demo
import base64
import hashlib
import hmac
import json
import os
import time
import requests
lfasr_host = 'http://raasr.xfyun.cn/api'
# 请求的接口名
api_prepare = '/prepare'
api_upload = '/upload'
api_merge = '/merge'
api_get_progress = '/getProgress'
api_get_result = '/getResult'
# 文件分片大小10M
file_piece_sice = 10485760
# ——————————————————转写可配置参数————————————————
# 参数可在官网界面（https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html）查看，根据需求可自行在gene_params方法里添加修改
# 转写类型
lfasr_type = 0
# 是否开启分词
has_participle = 'false'
has_seperate = 'true'
# 多候选词个数
max_alternatives = 0
# 子用户标识
suid = ''
class SliceIdGenerator:
"""slice id生成器"""
def __init__(self):
self.__ch = 'aaaaaaaaa`'
def getNextSliceId(self):
ch = self.__ch
j = len(ch) - 1
while j >= 0:
cj = ch[j]
if cj != 'z':
ch = ch[:j] + chr(ord(cj) + 1) + ch[j + 1:]
break
else:
ch = ch[:j] + 'a' + ch[j + 1:]
j = j - 1
self.__ch = ch
return self.__ch
class RequestApi(object):
def __init__(self, appid, secret_key, upload_file_path):
self.appid = appid
self.secret_key = secret_key
self.upload_file_path = upload_file_path
# 根据不同的apiname生成不同的参数,本示例中未使用全部参数您可在官网(https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html)查看后选择适合业务场景的进行更换
def gene_params(self, apiname, taskid=None, slice_id=None):
appid = self.appid
secret_key = self.secret_key
upload_file_path = self.upload_file_path
ts = str(int(time.time()))
m2 = hashlib.md5()
m2.update((appid + ts).encode('utf-8'))
md5 = m2.hexdigest()
md5 = bytes(md5, encoding='utf-8')
# 以secret_key为key, 上面的md5为msg， 使用hashlib.sha1加密结果为signa
signa = hmac.new(secret_key.encode('utf-8'), md5, hashlib.sha1).digest()
signa = base64.b64encode(signa)
signa = str(signa, 'utf-8')
file_len = os.path.getsize(upload_file_path)
file_name = os.path.basename(upload_file_path)
param_dict = {}
if apiname == api_prepare:
# slice_num是指分片数量，如果您使用的音频都是较短音频也可以不分片，直接将slice_num指定为1即可
slice_num = int(file_len / file_piece_sice) + (0 if (file_len % file_piece_sice == 0) else 1)
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['file_len'] = str(file_len)
param_dict['file_name'] = file_name
param_dict['slice_num'] = str(slice_num)
elif apiname == api_upload:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
param_dict['slice_id'] = slice_id
elif apiname == api_merge:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
param_dict['file_name'] = file_name
elif apiname == api_get_progress or apiname == api_get_result:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
return param_dict
# 请求和结果解析，结果中各个字段的含义可参考：https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html
def gene_request(self, apiname, data, files=None, headers=None):
response = requests.post(lfasr_host + apiname, data=data, files=files, headers=headers)
result = json.loads(response.text)
if result["ok"] == 0:
print("{} success:".format(apiname) + str(result))
return result
else:
print("{} error:".format(apiname) + str(result))
exit(0)
return result
# 预处理
def prepare_request(self):
return self.gene_request(apiname=api_prepare,
data=self.gene_params(api_prepare))
# 上传
def upload_request(self, taskid, upload_file_path):
file_object = open(upload_file_path, 'rb')
try:
index = 1
sig = SliceIdGenerator()
while True:
content = file_object.read(file_piece_sice)
if not content or len(content) == 0:
break
files = {
"filename": self.gene_params(api_upload).get("slice_id"),
"content": content
}
response = self.gene_request(api_upload,
data=self.gene_params(api_upload, taskid=taskid,
slice_id=sig.getNextSliceId()),
files=files)
if response.get('ok') != 0:
# 上传分片失败
print('upload slice fail, response: ' + str(response))
return False
print('upload slice ' + str(index) + ' success')
index += 1
finally:
'file index:' + str(file_object.tell())
file_object.close()
return True
# 合并
def merge_request(self, taskid):
return self.gene_request(api_merge, data=self.gene_params(api_merge, taskid=taskid))
# 获取进度
def get_progress_request(self, taskid):
return self.gene_request(api_get_progress, data=self.gene_params(api_get_progress, taskid=taskid))
# 获取结果
def get_result_request(self, taskid):
return self.gene_request(api_get_result, data=self.gene_params(api_get_result, taskid=taskid))
def all_api_request(self):
# 1. 预处理
pre_result = self.prepare_request()
taskid = pre_result["data"]
# 2 . 分片上传
self.upload_request(taskid=taskid, upload_file_path=self.upload_file_path)
# 3 . 文件合并
self.merge_request(taskid=taskid)
# 4 . 获取任务进度
while True:
# 每隔20秒获取一次任务进度
progress = self.get_progress_request(taskid)
progress_dic = progress
if progress_dic['err_no'] != 0 and progress_dic['err_no'] != 26605:
print('task error: ' + progress_dic['failed'])
return
else:
data = progress_dic['data']
task_status = json.loads(data)
if task_status['status'] == 9:
print('task ' + taskid + ' finished')
break
print('The task ' + taskid + ' is in processing, task status: ' + str(data))
# 每次获取进度间隔20S
time.sleep(20)
# 5 . 获取结果
self.get_result_request(taskid=taskid)
# 注意：如果出现requests模块报错："NoneType" object has no attribute 'read', 请尝试将requests模块更新到2.20.0或以上版本(本demo测试版本为2.20.0)
# 输入讯飞开放平台的appid，secret_key和待转写的文件路径
if __name__ == '__main__':
APP_ID = "***"
SECRET_KEY = "****"
file_path = r"***.wav"
api = RequestApi(appid=APP_ID, secret_key=SECRET_KEY, upload_file_path=file_path)
api.all_api_request()
当然，你可以根据自己的需求对demo进行改进，比如你想并发识别录音，你可以添加多线程执行的函数，为了获取taskid方便，我在class的初始化里边添加了self.taskid = “None”，并在预处理结果返回之后重新对taskid赋值。
def thread_func(wav_file_path, txt_file_path): # 线程函数，方便并发识别录音
doc = open(txt_file_path, 'w', encoding='utf-8')
# doc.close()
api = RequestApi(appid=APP_ID, secret_key=SECRET_KEY, upload_file_path=wav_file_path)
api.all_api_request() # demo中这个函数是完整过程执行，但我把提取结果的模块提出来了
print('taskid is： ' + api.taskid, file=doc)
result = api.get_result_request(api.taskid)
result = eval(result['data'])
# print(result)
for x in result:
print(x)
print(x, file=doc)
doc.close()
#主函数写成类似这种
if __name__ == '__main__':
APP_ID = "***"
SECRET_KEY = "***"
file_read_path = r"D:\MyProject\Python\Voice_SDK\20190820\\"
file_save_path = r"D:\MyProject\Python\Voice_SDK\20190820_xunfei\\"
for file in file_list: #多并发批量执行
wav_file_path = file_read_path + file + ".wav"
txt_file_path = file_save_path + file + ".txt"
t = threading.Thread(target=thread_func, args=(wav_file_path, txt_file_path))
t.start()