Python调用百度AI，实现音频转换文字(标准版)
写在前面：标准版最长支持60秒语音文件，大于60秒的音频文件，需要进行切割后，然后依次提交即可。
切割音频工具：
开源VAD音频切分工具
https://ai.baidu.com/ai-doc/SPEECH/xk38lxq46
ffmpeg模块
以下所有的操作均是在windows系统，Python3下实现的；
百度短语音识别介绍：https://ai.baidu.com/ai-doc/SPEECH/Vk38lxily
登录百度AI平台，建立创建应用：
URL=https://console.bce.baidu.com/ai/?fromai=1#/ai/speech/app/list
切记，接口选择：语音技术，建议全部勾选，一般默认是全部勾选的，按照页面的要求填写，即可
应用建立成功之后一定要记录以下几个参数的值，APP_ID，API_KEY，SECRET_KEY
在执行之前需要安装baidu-aip，在电脑中安装了pip的情况下，cmd命令执行：
pip install baidu-aip如果没有安装在执行下面的python代码的时候，则会报错,报错信息如下
from aip import AipSpeech
ModuleNotFoundError: No module named 'aip'此处使用的是HTTP方式请求进行转换，提交的文件则是.pcm后缀格式的文件；
MP4视频，需要进行提取mp3音频，可以使用ffmpeg模块，cmd执行下方的命令；
ffmpeg模块文件，建议要和执行的程序目录一致，可以通过cmd切换目录，然后在执行命令
ffmpeg -i aidemo.mp4 -f mp3 -vn aidemo.mp3然后针对已经提取的MP3音频文件，再次进行pcm文件格式转换。
同样使用ffmpeg模块命令(cmd下执行即可)
ffmpeg -y -i aidemo.mp3 -acodec pcm_s16le -f s16le -ac 1 -ar 16000 aidemo.pcm音频格式说明：
格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（压缩格式）。推荐pcm 采样率 ：16000、8000 固定值。 编码：16bit 位深的单声道。
百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr、m4a会有额外的转换耗时。
Python请求代码(一定要记得安装baidu-aip)
#需要安装模块：baidu-aip
from aip import AipSpeech
APP_ID = ''#请填写你的APP_ID
API_KEY = ''#请填写你的API_KEY
SECRET_KEY = ''#请填写你的SECRET_KEY
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 读取文件
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
# 识别本地文件
#
data = client.asr(get_file_content('aidemo.pcm'), 'pcm', 16000, {
'dev_pid': 1537,
})
print(data)解释：
APP_ID = ''#请填写你的APP_ID
API_KEY = ''#请填写你的API_KEY
SECRET_KEY = ''#请填写你的SECRET_KEY
aidemo.pcm为本地需要提交识别的音频文件；
16000位音频采样率。
dev_pid=1537为普通话
| dev_pid | 语言 | 模型 | 是否有标点 | 备注 |
|---|---|---|---|---|
| 1537 | 普通话(纯中文识别) | 语音近场识别模型 | 有标点 | 支持自定义词库 |
| 1737 | 英语 | 英语模型 | 无标点 | 不支持自定义词库 |
| 1637 | 粤语 | 粤语模型 | 有标点 | 不支持自定义词库 |
| 1837 | 四川话 | 四川话模型 | 有标点 | 不支持自定义词库 |
| 1936 | 普通话远场 | 远场模型 | 有标点 | 不支持自定义词库 |
执行结果
{'corpus_no': '7023147935492100607', 'err_msg': 'success.', 'err_no': 0, 'result': ['今天发天气可不是特别的好呀'], 'sn': '184915361951635204054'}
如果音频的普通话不标注，或者语速过快，可能会识别部分错误，在大部分情况下识别结果还是不错的。