2020-02-18 python+百度AI进行语音转文字，语音识别

百度AI语音识别入口：https://ai.baidu.com/tech/speech/asrpro

点击“立即使用”，即可创建应用。访问创建完成的应用，可以获得对应应用的APPID、AK、SK。

语音识别分为标准版和极速版，实质上都是对接口发起http请求来实现的。

标准版相较于极速版，官方提供了多语言的SDK使得使用起来更加方便，并且功能更加强大。

name	标准版	极速版
语言模型	2种普通话及英语、粤语、四川话	普通话
音频格式	pcm/wav/amr	pcm/wav/amr/m4a
音频时长	最长为60秒	最长为60秒
其他	普通话支持常用英语	普通话支持常用英语，速度更快

音频文件格式转换：https://ai.baidu.com/ai-doc/SPEECH/7k38lxpwf

VAD切分工具：https://ai.baidu.com/ai-doc/SPEECH/xk38lxq46
VAD切分工具的使用可参考：https://www.jianshu.com/p/0bf4b2d2bf89

极速版代码实现：

import http.client
import mimetypes
import ast

API_KEY = ''
SECRET_KEY = ''
GRANT_TYPE = 'client_credentials' # 必须参数，固定为“client_credentials”
DEV_PID = '80001' # 极速版只支持该语言模型
AUDIO_FILE = r'16k.wav' # 识别的音频的路径，取自官方demo
CUID = 'test' # 用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。

def get_response(host,method,url,body,headers):
    conn = http.client.HTTPSConnection(host)
    conn.request(method, url, body, headers)
    res = conn.getresponse()
    data = res.read().decode("utf-8")
    return data
# 获取token
def get_token():
    url = "/oauth/2.0/token?client_id=%s&client_secret=%s&grant_type=%s"%(API_KEY,SECRET_KEY,GRANT_TYPE)
    res = get_response("openapi.baidu.com",'POST',url,'',{})
    dict_data = ast.literal_eval(res)
    return dict_data.get('access_token')
# 获取识别结果
def get_result(audio_file,cuid):
    access_token = get_token()
    body = ''
    with open(audio_file, 'rb') as speech_file:
        speech_data = speech_file.read()
        body = speech_data
    url = "/pro_api?dev_pid=%s&cuid=%s&token=%s"%(DEV_PID,cuid,access_token)
    # 标准版也可通过http接口实现，改一下url和语言模型就好
    # 标准版的url
    # url = "/server_api?dev_pid=%s&cuid=%s&token=%s"%(1537,cuid,access_token)
    headers = {
        'Content-Type': 'audio/pcm;rate=16000'
    }
    res = get_response("vop.baidu.com",'POST',url,body,headers)
    dict_data = ast.literal_eval(res)
    return dict_data.get('result')
print(get_result(AUDIO_FILE,CUID))

语言模型和参数说明：https://ai.baidu.com/ai-doc/SPEECH/Sk38lxokz

标准版代码实现（python SDk）：

#需要安装模块：baidu-aip
from aip import AipSpeech
 
APP_ID = ''
API_KEY = ''
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('16k.pcm'), 'pcm', 16000, {
    'dev_pid': 1537,
})
print(data)

语言模型和参数说明：https://ai.baidu.com/ai-doc/SPEECH/1k4o0bmc7