第三篇：ASR（Automatic Speech Recognition）語音識別

ASR（Automatic Speech Recognition）語音識別：

　　　　百度語音--語音識別--python SDK文檔：

　　　　　　https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top

　　　　第三方模塊：pip install baidu-aip　　

　　ASR_test.py

 1 from aip import AipSpeech  2 import os  3 
 4 """ 你的 APPID AK SK """
 5 APP_ID = '16815394'
 6 API_KEY = 'jM4b8GIG9gzrzySTRq3szK2E'
 7 SECRET_KEY = 'iE626cEpjT1iAVwh24XV5h1QFuR8FPD2'
 8 
 9 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) 10 
11 
12 # 讀取文件
13 def get_file_content(filePath): 14 
15     #文件格式轉換成pcm(前提是須要安裝ffmpeg軟件並配置環境變量)
16     pcm_filePath = filePath.split('.')[0] + '.pcm'
17     cmd_str=f'ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {pcm_filePath}'
18     os.system(cmd_str)#調用os.system()在CMD執行命令
19     filePath=pcm_filePath 20 
21     with open(filePath, 'rb') as fp: 22         return fp.read() 23 
24 
25 # 識別本地文件
26 result=client.asr(get_file_content('1.m4a'), 'pcm', 16000, { 27     'dev_pid': 1536, 28 }) 29 text=result.get('result')[0] 30 
31 print(result) 32 
33 print(text) 34 
35 '''
36 asr函數須要四個參數,第四個參數能夠忽略,自有默認值,參照一下這些參數是作什麼的 37 
38 第一個參數: speech 音頻文件流 創建包含語音內容的Buffer對象, 語音文件的格式，pcm 或者 wav 或者 amr。(雖然說支持這麼多格式,可是隻有pcm的支持是最好的) 39 
40 第二個參數: format 文件的格式,包括pcm（不壓縮）、wav、amr (雖然說支持這麼多格式,可是隻有pcm的支持是最好的) 41 
42 第三個參數: rate 音頻文件採樣率 若是使用剛剛的FFmpeg的命令轉換的,你的pcm文件就是16000 43 
44 第四個參數: dev_pid 音頻文件語言id 默認1537（普通話 輸入法模型） 45 '''

　　原始語音文件經過windows10自帶的<錄音機>進行錄製等，轉換成語音識別推薦格式pcm，最後識別輸出文字