python3 调用语音识别接口，并转成docx文件保存。

最近 py 要用到语音识别长语音，然后发现emmm 好贵！！（17-19 / 小时）然后作为程序员的我就想去看一下接口价格，（果然更便宜，且腾讯每个月还送）心动了，就花了一点时间来写个 python3 文件。

---

科大讯飞

首先实名认证，有 5h 的免费额度，然后新人又可以白嫖 5h



价格的话：（1024价格）

还行。

接口调用

然后直接接口调用（官网有demo）：

# -*- coding: utf-8 -*-
# 
#   author: yanmeng2
# 
# 非实时转写调用demo
from __future__ import unicode_literals
import codecs

import base64
import hashlib
import hmac
import json
import os
import time

import requests
from docx import Document
from docx.shared import  Inches

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 = ''
# json 存储位置
json_save_file = r'./result.json'
# 转译文件位置
file_path = r"./Test.m4a"
# doc 存储位置
doc_save_file1 = r'./result_doc1.docx'
doc_save_file2 = r'./result_doc2.docx'
    
# ——————————————————————————————————————————————————


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)

        with open(json_save_file, 'w', encoding='utf-8') as file:
            #file.write(json.dumps(result, indent=2, ensure_ascii=False))
            json.dump(result,file)

        if result["ok"] == 0:
            print("{} success:".format(apiname))
            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))
    # doc 写入
    def docxinput1(self, doc_save_file):
        # docx写入
        document = Document()
        document.add_heading('语音转写内容', 0)
        p = document.add_paragraph('这是一篇语音转写内容，调用接口：\
科大讯飞语音转写。使用 pyton-dcox 解析 json 为 docx 文档。\
转写后输出时间戳与文字以及讲解人。')
        p.add_run('默认设置不进行讲解人分辨。').bold = True
        p2 = document.add_paragraph('')
        p2.add_run('以下为录音内容：').italic = True
        # 读取 json 测试用
        filepath = json_save_file 
        with open(filepath, 'r') as f:
            json_data = json.load(f)
        json_content =  json.loads(json_data["data"])
        bg_time = 0.0
        slice_time = 1
        for key in json_content:
            p3 = document.add_paragraph("第 "+ str(slice_time) +" 段录音",style='Intense Quote')
            p3.add_run("时间戳： ")
            p3.add_run("开始时间：")
            res = float(key["bg"])/1000
            bg_time = round(res,2)
            p3.add_run(str(bg_time))
            p3.add_run(" s")
            

            p3.add_run("～")

            p3.add_run("结束时间：")
            res = float(key["ed"])/1000
            bg_time = round(res,2)
            p3.add_run(str(bg_time))
            p3.add_run(" s")
            
            slice_time = slice_time + 1

            p4 = document.add_paragraph("内容为：")
            p4.add_run(key["onebest"])
            
            p5 = document.add_paragraph("演讲人编号: ")
            p5.add_run(key["speaker"])
            # print(key["bg"])
            # print(key["ed"])
        document.add_page_break()
        document.save(doc_save_file)

    def docxinput2(self, doc_save_file):
        # docx写入
        document = Document()
        document.add_heading('语音转写内容', 0)
        p = document.add_paragraph('这是一篇语音转写内容，调用接口：\
科大讯飞语音转写。使用 pyton-dcox 解析 json 为 docx 文档。\
转写后输出时间戳与文字以及讲解人。')
        p.add_run('默认设置不进行讲解人分辨。').bold = True
        p2 = document.add_paragraph('')
        p2.add_run('以下为录音内容：').italic = True
        # 读取 json 测试用
        filepath = json_save_file 
        with open(filepath, 'r') as f:
            json_data = json.load(f)
        json_content =  json.loads(json_data["data"])
        bg_time = 0.0
        slice_time = 1
        for key in json_content:
            p4 = document.add_paragraph(key["onebest"])
            # print(key["bg"])
            # print(key["ed"])
        document.add_page_break()
        document.save(doc_save_file)
        
    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)

        # 6 . 结果转存 docx
        self.docxinput1(doc_save_file1)
        self.docxinput2(doc_save_file2)

# 支持的格式：wav/flac/opus/m4a/mp3

# 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 = "****"
    api = RequestApi(appid=APP_ID, secret_key=SECRET_KEY, upload_file_path=file_path)
    api.all_api_request()

存储了三个文件，一个json，两个docx，所以有三个存储文件位置，一个目标文件位置。一个docx带时间戳，一个不带时间戳。
与demo不同的只是，我在 api 类中加入了两个 docxinput ，用于将 json 转为格式化的 docx 文档。
另外参数调整去看官网文档，是可以识别多人对话的，需要调整参数，我这里没有调整。

转化后样式：

---

腾讯ai开放平台

腾讯这个平台有很多免费的接口，除了并发量限制之外，都有每个月的免费额度。

接口调用(未写)

后面有空就写，先用着科大讯飞的免费额度。

---

百度开放平台

听同学说过，

接口调用（未写）

后面有空写。