python语音识别

语音识别是一项比较复杂的技术，在单机上很难实现高效的识别的功能，但是借助云平台，实现起来就简单得多了。

下面采用腾讯的语音识别平台，用法如下：

Python SDK 语音识别

按照官方文档上说：

• 语音 URL 的音频时长不能长于5小时，文件大小不超过512MB
• 本地语音文件不能大于5MB
• 录音文件识别免费额度为每月10小时

不知道URL的方式限制到底是不是512MB，但是本地文件确实有5MB的限制。

如果识别成功，就会返回一个TaskId，通过这个TaskId，获取返回的结果，但是结果是一个json格式的数据，样式大概如下：

也可以把里面的时间去掉，代码如下：

# -*- coding: utf-8 -*-

import json
import re

with open('asr.json', 'r', encoding='utf-8') as f:
    asr_json = json.load(f)
    result = asr_json["Data"]["Result"]
    print(result)
    txt = re.sub('\[.*\]', "", result)#去掉时间前缀
    print(txt)
    txt = re.sub('\s+', "", txt)#去掉换行、空格字符
    print(txt)

上面的asr.json文件就是从控制台复制出来保存的文件名。

 

上面的代码从技术上是可行的，但是实际操作却很有难度。主要问题出在本地5M的限制上，使用URL虽然是限制512M，但把文件传到哪里，访问速度太慢怎么办？

本人思考了很久，没找到答案。于是用在线客服提问，居然还有云技术顾问这个东西，瞬间感觉自己太落伍了，大概解决方法如下：

1、登录cos控制台创建存储桶； 


2、上传您的本地语音文件 

3、点击您上传的本地文件详情，即可显示对象地址； 

4、登录语音识别控制台，将得到的对象地址填入URL地址栏中； 

5、开始识别完成后，点击下载结果即可。