百度AI攻略:语音识别
1.功能描述:
将60秒内的语音快速识别为文字,适用于手机语音输入、语音搜索、人机对话等语音交互场景
2.平台接入
具体接入方式比较简单,可以参考我的另一个帖子,这里就不重复了:
http://ai.baidu.com/forum/topic/show/943327
3.调用攻略(Python3)及评测
3.1首先认证授权:
在开始调用任何API之前需要先进行认证授权,具体的说明请参考:
http://ai.baidu.com/docs#/Auth/top
具体Python3代码如下:
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib
import base64
import json
#client_id 为官网获取的AK, client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】
#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
#print (token_content)
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key
3.2百度语音识别分析接口调用:
详细说明请参考:https://ai.baidu.com/docs#/ASR-API-PRO/top
说明的比较清晰,这里就不重复了。
大家需要注意的是:
格式支持:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)、m4a(AAC编码);固定16k 采样率;
系统支持语言种类 普通话
Python3调用代码如下:
[code]# 只支持 pcm/wav/amr 格式,极速版额外支持m4a 格式 # 输入参数需要识别的文件 def asr(AUDIO_FILE): # 文件格式 FORMAT = AUDIO_FILE[-3:]; # 文件后缀只支持 pcm/wav/amr 格式,极速版额外支持m4a 格式 print(FORMAT) CUID = '123456PYTHON'; # 采样率 RATE = 16000; # 固定值 # 普通版 DEV_PID = 1537; # 1537 表示识别普通话,使用输入法模型。1536表示识别普通话,使用搜索模型。根据文档填写PID,选择语言及识别模型 ASR_URL = 'http://vop.baidu.com/server_api' token = get_token() speech_data = [] with open(AUDIO_FILE, 'rb') as speech_file: speech_data = speech_file.read() length = len(speech_data) if length == 0: print('file %s length read 0 bytes' % AUDIO_FILE) params = {'cuid': CUID, 'token': token, 'dev_pid': DEV_PID} #测试自训练平台需要打开以下信息 #params = {'cuid': CUID, 'token': token, 'dev_pid': DEV_PID, 'lm_id' : LM_ID} params_query = urlencode(params); headers = { 'Content-Type': 'audio/' + FORMAT + '; rate=' + str(RATE), 'Content-Length': length } url = ASR_URL + "?" + params_query print("url is", url); print("header is", headers) # print post_data req = Request(ASR_URL + "?" + params_query, speech_data, headers) try: begin = timer() f = urlopen(req) result_str = f.read() print("Request time cost %f" % (timer() - begin)) except URLError as err: print('asr http response http code : ' + str(err.code)) result_str = err.read() result_str = str(result_str, 'utf-8') print(result_str) with open("result.txt", "w") as of: of.write(result_str) asr('../voc/16k.wav')
4.功能评测和建议
测试下来,整体识别效果不错。百度语音识别的很准确,速度也很快,用起来非常的方便。可以应用于
语音输入
摆脱按键操作,通过语音识别直接输入文字,快速返回识别结果,可应用于游戏文字输入、社交聊天、语音指令等多个场景,提高输入效率及体验
语音搜索
搜索内容直接以语音的方式输入,响应速度更快,适用于音乐、电影、小说等内容搜索场景,让搜索内容输入更加便捷,高效
人机对话
通过极速API接口,将语音识别为文字,毫秒级响应,可用于聊天机器人、故事机等近场语音识别环境,让人机对话更加流畅自然
- 点赞
- 收藏
- 分享
- 文章举报
- 百度AI攻略:人脸情绪识别
- PHP调用百度AI接口人脸识别-语音技术-文本识别-图像识别
- 百度AI攻略:对话情绪识别
- 百度AI攻略:名片识别
- 百度AI攻略:语音合成升级人群流量监控方案
- 百度AI攻略:识别火车票的多种方法
- 利用百度AI进行语音朗读和识别(python)
- 百度AI攻略:Paddlehub实现图像分割
- 百度提出使用GAN构建语音识别新框架
- 初探机器学习之使用百度AI服务实现图片识别与相似图片
- php sdk 百度(API)智能语音识别
- 百度AI攻略:Paddlehub实现图像生成
- 百度AI攻略:智能写诗
- 百度AI攻略:Paddlehub实现关键点检测
- 基于Python与百度的AI接口的语音转文字的简单小程序。
- 小程序实现人脸识别功能(百度ai)
- 【文字识别】百度AI之运行IOS示例(Demo)工程总结
- 百度AI攻略:Paddlehub实现图像分类
- powershell 使用百度AI进行文本识别
- PHP+百度AI OCR文字识别实现了图片的文字识别功能