Python调用百度api实现语音识别详解

第Python调用百度api实现语音识别详解最近在学习python，做一些python练习题

github上几年前的练习题

有一题是这样的：

使用Python实现：对着电脑吼一声,自动打开浏览器中的默认网站。

例如，对着笔记本电脑吼一声“百度”，浏览器自动打开百度首页。

然后开始search相应的功能需要的模块（windows10），理一下思路：

本地录音

上传录音，获得返回结果

组一个map，根据结果打开相应的网页

所需模块：

PyAudio：录音接口

wave：打开录音文件并设置音频参数

requests：GET/POST

为什么要用百度语音识别api呢？因为免费试用。。

不多说，登录百度云，创建应用

查看文档RESTAPI文档

文档写的蛮详细的，简单概括就是

1.可以下载使用SDK

2.不需要下载使用SDK

选择2.

根据文档组装url获取token

处理本地音频以JSON格式POST到百度语音识别服务器，获得返回结果

语音格式

格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。推荐pcm采样率：16000固定值。编码：16bit位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr会有额外的转换耗时。

保存为pcm格式可以识别，只是windows自带播放器识别不了pcm格式的，所以改用wav格式，毕竟用的模块是wave

首先是本地录音

importwave

frompyaudioimportPyAudio,paInt16

framerate=16000#采样率

num_samples=2000#采样点

channels=1#声道

sampwidth=2#采样宽度2bytes

FILEPATH='speech.wav'

defsave_wave_file(filepath,data):

wf=wave.open(filepath,'wb')

wf.setnchannels(channels)

wf.setsampwidth(sampwidth)

wf.setframerate(framerate)

wf.writeframes(b''.join(data))

wf.close()

defmy_record():

pa=PyAudio()

#打开一个新的音频stream

stream=pa.open(format=paInt16,channels=channels,

rate=framerate,input=True,frames_per_buffer=num_samples)

my_buf=[]#存放录音数据

t=time.time()

print('正在录音...')

whiletime.time()t+4:#设置录音时间（秒）

#循环read，每次read2000frames

string_audio_data=stream.read(num_samples)

my_buf.append(string_audio_data)

print('录音结束.')

save_wave_file(FILEPATH,my_buf)

stream.close()

然后是获取token

importrequests

importbase64#百度语音要求对本地语音二进制数据进行base64编码

#组装url获取token，详见文档

base_url="/oauth/2.0/tokengrant_type=client_credentialsclient_id=%sclient_secret=%s"

APIKey="LZAdqHUGC********mbfKm"

SecretKey="WYPPwgHu********BU6GM*****"

HOST=base_url%(APIKe