基于百度語音識別API的Python語音識別小程序

一、功能概述

實現語音為文字，可以擴展到多種場景進行工作，這里只實現其基本的語言接收及轉換功能。
在語言錄入時，根據語言內容的多少與停頓時間，自動截取音頻進行轉換。
工作示例：

二、軟件環境

• 操作系統：win10
• 語言：Python 版本：3.6.0

• Python庫：AipSpeech(百度語音識別SDK客戶端），wave，PyAudio，paInt16

  ###Python庫安裝：除百度為：pip install baidu-aip，其他直接 pip install *（庫名） 即可。

三、原理概述

利用wave，PyAudio搭建一個wav格式的簡易錄音機，基于百度API進行wav格式的音頻轉文本。

• 簡易錄音機類（WWAV）有__save_wave_file音頻文件保存方法與my_record音頻錄制方法。在錄制音頻的方法中，加入了有效音頻測試的代碼，可以測試一小段時間內是否有有效音頻輸入，否則退出音頻錄制。
• 轉換類（Translation）則為__get_file_content方法與get_word音頻轉換主方法。

四、核心代碼

my_record音頻錄制方法（WWAV類）

def my_record(self,TIME = 60,INTERVAL = 5):'''錄制并保存音頻文件，TIME錄制時間，INTERVAL測試間隔'''pa=PyAudio()tr = Translation()stream=pa.open(format = paInt16,channels=self.__channels,rate=self.__framerate,input=True,frames_per_buffer=self.__NUM_SAMPLES)my_buf=[] # 主音頻源buf=[] # 測試音頻源i=0while i < TIME*2: #控制錄音時間string_audio_data = stream.read(self.__NUM_SAMPLES)  # 獲取音頻片段my_buf.append(string_audio_data)if i < INTERVAL*2:buf.append(string_audio_data)i += 1elif i == INTERVAL*2:self.__save_wave_file('00.wav',buf) # 保存測試音頻err,a = tr.get_word('00.wav') # 得到測試音頻是否有效if err == 0:breaki = 0 # 初始化buf = [] # 同上print('.',end = ' ')self.__save_wave_file('01.wav',my_buf)stream.close()

get_word音頻轉換方法（Translation類）

def get_word(self,filePath):'''音頻轉文字，參數filePath為wav音頻地址，返回雙值：狀態(1為轉換成功)及轉換后文本或錯誤信息'''word = self.__client.asr(self.__get_file_content(filePath),'wav',8000,{'lan': 'zh'}) # 參數：語音對象，文件格式，采樣率，語種類型if word['err_no'] == 0: # 錯誤值為0（即正確）return 1,word['result'][0] # 返回 1 與 文本信息else:return 0,word['err_no'] # 否則返回 0 與 錯誤內容

源碼

GitHub地址

附：我又回來了，這個是不是大項目，正在寫，敬請期待！寒假會更一些學習筆記，一起加油

以上