Python调用百度API实现语音识别（一）

咪哥杂谈

本篇阅读时间约为 2 分钟。

1

前言

上篇文章介绍了下如何用 Python 剪辑视频，想回顾的同学可以拉到文章最下面，有历史链接。

有了上篇文章野狼disco的音频，今天就来带大家玩一下百度的API，如何借用百度 API 的语音识别功能，将我们的音频转为文字。最终落地到 word 中。

当然，转为文字后，也为之前语音机器人做了铺垫，转换的文字可以写入到程序中，后续机器人朗读声音而用。

2

百度 API 官网准备工作

1. 搜索

2. 开放能力 -> 语音技术 -> 语音识别

可以看到这里有三种语音类型，点哪个都行，这里选择语音识别即可。

先点击技术文档看下：

左侧实际上只包含了标准版和极速版，没有看到长语音版。

对比了下价格，果断选择了标准版！自己玩，怎么实惠怎么来！

---

看了上面普通版的文档，有几点需要注意的：

1. 格式

原始 PCM 的录音参数必须符合 16k 采样率、16bit 位深、单声道，支持的格式有：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。

百度开放平台

2. 时长

目前系统支持的语音时长上限为60s，请不要超过这个长度，否则会返回错误。

百度开放平台

3

注册获取key

不论是之前写过的调用高德api，还是这次的百度api，都可以找到共性，你在用别人提供的接口时，必须要有身份验证这一步。

这意味着你需要去人家平台注册，获取到人家平台给你颁发的身份验证。也就是 key 之类的信息。

查看 Python SDK 文档发现：

文档页的右上侧，有个控制台，点进去，自己注册下。

1. 左侧音频图标 -> 创建应用

2. 填写信息

3. 完成

4

总结

前戏已备好，key等信息已经有了。只需要记住上面说的两个注意点即可。

下一篇开始我们真正的编码。

有什么问题，欢迎评论区留言！

---