DDR爱好者之家 Design By 杰米
百度语音对上传的语音要求目前必须是单声道,16K采样率,采样深度可以是16位或者8位的PCM编码。其他编码输出的语音识别不出来。
语音的处理技巧:
录制为MP3的语音(通常采样率为44100),要分两步才能正确处理。第一步:使用诸如GoldWave的软件,先保存为16K采样率的MP3;第二步,打开16K采样率的MP3,另存为Wav格式,参数选择PCM,单声道即可。
另外,也可以使用ffmpeg将MP3处理为PCM。后文的程序即采用这种方法。
由于PCM编码的语音没有压缩,文件体积与语音长度成正比。百度语音平台对语音的长度的限制未知。文件太大,网速不好的时候,容易出现”连接错误“的提示。因此,对时间较长的语音,应该将语音分割成多个序列,在分别进行识别。(目前按照等长分割)
以下代码,使用前,需要在baidu 开发者上申请相关的API ID, API Key, Secret Key,并以申请的参数代入到文件中。
# 引入Speech SDK
from aip import AipSpeech
import subprocess
import datetime
import sys
import os
import time
from pydub import AudioSegment
import math
# 定义常量
#APP_ID = '你的 App ID'
APP_ID = '937****'
#API_KEY = '你的 API Key'
API_KEY = 'mOV9QaabNnkur0Aba15T****'
#SECRET_KEY = '你的 Secret Key'
SECRET_KEY = '097111374ad26d4ba00937c5e332****'
# 初始化AipSpeech对象
aipSpeech = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 文件处理
def get_wave_filename(fileFullName):
# MP3文件转换成wav文件
# 判断文件后缀,是mp3的,直接处理为16k采样率的wav文件;
# 是wav的,判断文件的采样率,不是8k或者16k的,直接处理为16k的采样率的wav文件
# 其他情况,就直接返回AudioSegment直接处理
fileSufix = fileFullName[fileFullName.rfind('.')+1:]
print(fileSufix)
filePath = fileFullName[:fileFullName.find(os.sep)+1]
print(filePath)
if fileSufix.lower() == "mp3":
wavFile = "wav_%s.wav" %datetime.datetime.now().strftime('%Y%m%d%H%M%S')
wavFile = filePath + wavFile
cmdLine = "ffmpeg -i \"%s\" -ar 16000 " %fileFullName
cmdLine = cmdLine + "\"%s\"" %wavFile
print(cmdLine)
ret = subprocess.run(cmdLine)
print("ret code:%i" %ret.returncode)
return wavFile
#if ret.returncode == 1:
# return wavFile
#else:
# return None
else:
return fileFullName
#文件分片
try:
script, fileFullName = sys.argv
except:
print("参数 文件名 未指定!")
exit()
if not os.path.isfile(fileFullName):
print("参数 %s 不是一个文件名" %fileFullName)
exit()
if not os.path.exists(fileFullName):
print("参数 %s 指定的文件不存在" %fileFullName)
exit()
filePath = fileFullName[:fileFullName.find(os.sep)+1]
# 文件处理为Wav,采样率16k的文件,返回文件名
wavFile = get_wave_filename(fileFullName)
print(wavFile)
record = AudioSegment.from_wav(wavFile)
if wavFile != fileFullName:
time.sleep(1)
os.remove(wavFile)
recLen = record.duration_seconds
interval = 120 * 1000
maxLoop = math.ceil(recLen*1000/float(interval))
for n in range(0,math.ceil(recLen*1000/float(interval))):
recSeg = record[n * interval : (n + 1)*interval]
#print("Segment:%i,startat:%i,length:%i" %n,n*interval/1000,recSeg.duration_seconds)
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " Segment:" + str(n) +"/" + str(maxLoop))
segFile = filePath + "seg%s.wav" %("0"*7 + str(n))[-6:]
# 把分段的语音信息保存为临时文件
file_handle = recSeg.export(segFile,format="wav",codec = "libvorbis")
file_handle.close()
# 读取分段的临时文件为字节
file_handle = open(segFile, 'rb')
file_content = file_handle.read()
file_handle.close()
# 删除临时文件
os.remove(segFile)
# 用百度API处理该语音
result=aipSpeech.asr(file_content, 'pcm', 16000, {'lan': 'zh'})
if result['err_no'] == 0:
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " " + result['result'][0])
else:
print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S') + " " + "err_no:" + str(result['err_no']))
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
DDR爱好者之家 Design By 杰米
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
DDR爱好者之家 Design By 杰米
暂无评论...
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
2025年10月30日
2025年10月30日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]