这篇文章主要介绍了如何通过python实现语音录入识别,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
一、介绍
1.第一步录音存入本地
2.调用百度语音识别sdk
注意点：百度语音识别对声音源有要求，比特率必须是256kbps
二、代码
#安装必要库 pip install baidu-aip #百度sdk pip install pyaudio
我要评论
import wave
import pyaudio
from aip import aipspeech
def record():
# 定义数据流块
chunk = 1024
format = pyaudio.paint16
# 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps
channels = 1
rate = 16000
# 录音时间
record_seconds = 8
# 要写入的文件名
wave_output_filename = "output.wav"
# 创建pyaudio对象
p = pyaudio.pyaudio()
# 打开数据流
stream = p.open(format=format,
channels=channels,
rate=rate,
input=true,
frames_per_buffer=chunk)
print("* recording")
# 开始录音
frames = []
for i in range(0, int(rate / chunk * record_seconds)):
data = stream.read(chunk)
frames.append(data)
print("* done recording")
# 停止数据流
stream.stop_stream()
stream.close()
# 关闭pyaudio
p.terminate()
# 写入录音文件
wf = wave.open(wave_output_filename, 'wb')
wf.setnchannels(channels)
wf.setsampwidth(p.get_sample_size(format))
wf.setframerate(rate)
wf.writeframes(b''.join(frames))
wf.close()
def asr():
# 录音
record()
""" 你的 appid ak sk """
app_id = '****'
api_key = '****'
secret_key = '****'
client = aipspeech(app_id, api_key, secret_key)
# 读取文件
def get_file_content(filepath):
with open(filepath, 'rb') as fp:
return fp.read()
# 识别本地文件
res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
'dev_pid': 1536,
})
print(res)
if __name__ == '__main__':
asr()
三、语音命令控制程序
import wave
import pyaudio
from aip import aipspeech
import win32api
def record():
# 定义数据流块
chunk = 1024
format = pyaudio.paint16
# 想要百度识别，下面这两参数必须这样设置，使得比特率为256kbps
channels = 1
rate = 16000
# 录音时间
record_seconds = 8
# 要写入的文件名
wave_output_filename = "output.wav"
# 创建pyaudio对象
p = pyaudio.pyaudio()
# 打开数据流
stream = p.open(format=format,
channels=channels,
rate=rate,
input=true,
frames_per_buffer=chunk)
print("* recording")
# 开始录音
frames = []
for i in range(0, int(rate / chunk * record_seconds)):
data = stream.read(chunk)
frames.append(data)
print("* done recording")
# 停止数据流
stream.stop_stream()
stream.close()
# 关闭pyaudio
p.terminate()
# 写入录音文件
wf = wave.open(wave_output_filename, 'wb')
wf.setnchannels(channels)
wf.setsampwidth(p.get_sample_size(format))
wf.setframerate(rate)
wf.writeframes(b''.join(frames))
wf.close()
def asr():
# 录音
record()
""" 你的 appid ak sk """
app_id = '****'
api_key = '****'
secret_key = '****'
client = aipspeech(app_id, api_key, secret_key)
# 读取文件
def get_file_content(filepath):
with open(filepath, 'rb') as fp:
return fp.read()
# 识别本地文件
res=client.asr(get_file_content('output.wav'), 'wav', 16000, {
'dev_pid': 1536,
})
if not res.get("err_no"):
return res.get("result")[0]
return res.get("err_no")
def control(order):
# 命令对应的程序路径
open_order={"打开qq":r"c:\program files (x86)\tencent\qq\bin\qqsclauncher.exe","打开记事本":r"d:\notepad++\notepad++.exe","打开浏览器":r"c:\users\ffm11\appdata\roaming\360se6\application\360se.exe"}
res=open_order.get(order)
if res:
# 参数1：用于指定父窗口句柄。当函数调用过程出现错误时，它将作为windows消息窗口的父窗口
# 参数2：用于指定要进行的操作。
# “open”操作表示执行由lpfile参数指定的程序，或打开由lpfile参数指定的文件或文件夹；
# “print”操作表示打印由lpfile参数指定的文件；
# “explore”操作表示浏览由lpfile参数指定的文件夹。
# 参数3：用于指定要打开的文件名、要执行的程序文件名或要浏览的文件夹名。
# 参数4：若lpfile参数是一个可执行程序，则此参数指定命令行参数，否则此参数应为null.
# 参数5：若lpfile参数是一个可执行程序，则此参数指定程序窗口的初始显示方式，否则此参数应设置为0。
# 这个参数常用的常数：
# sw_hide 隐藏窗口，活动状态给令一个窗口
# sw_minimize 最小化窗口，活动状态给令一个窗口
# sw_restore 用原来的大小和位置显示一个窗口，同时令其进入活动状态
# sw_show 用当前的大小和位置显示一个窗口，同时令其进入活动状态
# sw_showmaximized 最大化窗口，并将其激活
# sw_showminimized 最小化窗口，并将其激活
# sw_showminnoactive 最小化一个窗口，同时不改变活动窗口
# sw_showna 用当前的大小和位置显示一个窗口，不改变活动窗口
# sw_shownoactivate 用最近的大小和位置显示一个窗口，同时不改变活动窗口
win32api.shellexecute(0, 'open', res, '', '', 1)
else:
print("语音命令失败")
if __name__ == '__main__':
order=asr()
control(order.rstrip("。"))
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移动技术网。
如对本文有疑问， 点击进行留言回复！！
【状压dp】[HDU1400 & poj2411] Mondriaan‘s Dream
网友评论