python实现语音识别（讯飞开放平台）

文章目录

  • 讯飞平台使用
  • python实现讯飞接口的语音识别
    • 第一步：导入需要的依赖库
    • 第二步：声明全局变量
    • 第三步：初始化讯飞接口对象
    • 第四步：收到websocket建立连接后的处理函数
    • 第五步：收到websocket消息的处理函数
    • 第六步：整合运行各函数
  • 完整代码

讯飞平台使用

1.注册讯飞平台账号讯飞官网网址。
2.打开讯飞控制台。
3.点击“创建新应用”。
在这里插入图片描述
4.输入“应用名称”，“应用分类”，“应用功能描述”（这些都是自定义的）。
5.创建成功后，记住“APPID”，“APISecret”,“APIKey”这三个关键。
在这里插入图片描述

python实现讯飞接口的语音识别

第一步：导入需要的依赖库

import websocket
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import time
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import pyaudio

如果有没有的依赖库，通过pip在Anaconda的配置虚拟环境进行依赖库的下载。
例如：

pip install pyaudio

第二步：声明全局变量

在Python中，全局变量是在程序的任何地方都可以访问的变量。
作用和意义：1.共享数据：全局变量能够在整个程序中共享数据，不受作用域的限制。2.存储常量或配置：全局变量可以用来存储常量或配置项，这些值在整个程序中都需要使用，并且不会变化。3.减少参数传递：全局变量可以减少函数或方法之间的参数传递。
存在的问题：1.命名空间污染：全局变量可能导致命名空间的污染，特别是在大型程序或模块化开发中。如果多个模块或函数定义了相同名称的全局变量，会导致冲突和意外的行为。2.难以追踪和维护：使用全局变量会使代码更难理解和维护。
因此，在使用全局变量时应谨慎，仅在必要的情况下使用。

声明的是音频

STATUS_FIRST_FRAME = 0  # 第一帧的标识
STATUS_CONTINUE_FRAME = 1  # 中间帧标识
STATUS_LAST_FRAME = 2  # 最后一帧的标识

第三步：初始化讯飞接口对象

class Ws_Param(object):# 初始化接口对象def __init__(self,APPID,APIKey,APISecret):# 初始化讯飞接口的ID,Key,Secretself.APPID=APPIDself.APIKey=APIKeyself.APISecret=APISecret# 公共参数(common)self.CommonArgs={"app_id":self.APPID}# 业务参数(business)self.BusinessArgs={"domain":"iat","language":"zh_cn","accent":"mandarin","vinfo":1,"vad_eos":1000}def create_url(self):# 生成urlurl='wss://ws-api.xfyun.cn/v2/iat'now=datetime.now()date=format_date_time(mktime(now.timetuple()))# 生成RFC1123格式的时间戳signature_origin = "host: " + "ws-api.xfyun.cn" + "\n"signature_origin += "date: " + date + "\n"signature_origin += "GET " + "/v2/iat " + "HTTP/1.1"# 拼接字符串signature_sha = hmac.new(self.APISecret.encode('utf-8'),signature_origin.encode('utf-8'),digestmod=hashlib.sha256).digest()signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8')# 进行hmac_sha256进行加密authorization_origin = "api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", " \"signature=\"%s\"" % (self.APIKey, "hmac-sha256","host date request-line", signature_sha)authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')v={"authorization": authorization,"date": date,"host": "ws-api.xfyun.cn"}# 将请求的鉴权参数组合为字典url=url+'?'+urlencode(v)# 拼接鉴权参数，生成urlreturn url

第四步：收到websocket建立连接后的处理函数

def on_open(ws):# 收到websocket连接建立的处理def run(*args):# 在线音频处理并发送到讯飞status=STATUS_FIRST_FRAME# 音频的状态信息，标识音频是第一帧，还是中间帧、最后一帧CHUNK = 520  # 定义数据流块FORMAT = pyaudio.paInt16  # 16bit编码格式CHANNELS = 1  # 单声道RATE = 16000  # 16000采样频率p=pyaudio.PyAudio()  # 录音# 实例化pyaudio对象stream = p.open(format=FORMAT,  # 音频流wav格式channels=CHANNELS,  # 单声道rate=RATE,  # 采样率16000input=True,frames_per_buffer=CHUNK)# 创建音频流，使用这个对象去打开声卡，设置采样深度、通道数、采样率、输入和采样点缓存数量print("---------------开始录音-----------------")# 开始录音global textfor i in range(0,int(RATE/CHUNK*60)):# 录制特定时间的音频buf=stream.read(CHUNK)# 读出声卡缓冲区的音频数据if not buf:status=STATUS_LAST_FRAMEif status==STATUS_FIRST_FRAME:# 首帧处理d = {"common": wsParam.CommonArgs,"business": wsParam.BusinessArgs,"data": {"status": 0, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}d = json.dumps(d)# 将拼接的字符串d数据结构转换为jsonws.send(d)status=STATUS_CONTINUE_FRAMEelif status==STATUS_CONTINUE_FRAME:# 中间帧处理d = {"data": {"status": 1, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}ws.send(json.dumps(d))elif status==STATUS_LAST_FRAME:# 最后一帧处理d = {"data": {"status": 2, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}ws.send(json.dumps(d))time.sleep(1)breakthread.start_new_thread(run,())

第五步：收到websocket消息的处理函数

def on_message(ws,message):# 收到websocket消息的正常处理try:# print(json.loads(message))code = json.loads(message)["code"]# 解码返回的message的json数据中的codesid = json.loads(message)["sid"]if code != 0:errMsg = json.loads(message)["message"]# 解码message中错误信息print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))else:data = json.loads(message)["data"]["result"]["ws"]# 解码message中ws数据result = ""for i in data:for w in i["cw"]:result += w["w"]if result == '。' or result == '.。' or result == ' .。' or result == ' 。':passelse:# t.insert(END, result)  # 把上边的标点插入到result的最后print("翻译结果: %s。" % (result))global recording_resultsrecording_results=resultexcept Exception as e:# 异常处理，参数异常print("receive msg,but parse exception:", e)def on_error(ws,error):# 收到websocket后错误的处理print("### error ### : ",error)run()# 重新启动监听def on_close(ws):# 收到websocket关闭的处理pass

第六步：整合运行各函数

在这里面有三个关键的地方：“APPID”，“APIKey”,“APISecret”。
将上面讯飞控制台应用项目中的“APPID”，“APIKey”,“APISecret”粘贴到代码中。

def run():global wsParamwsParam=Ws_Param(APPID='5d27db6',APIKey='d61163a9bdb5d0508f98dee66e0383',APISecret='ZTQ5NTAwZTk05MDdhNWViZjcyYjVh')# 初始化讯飞接口编码websocket.enableTrace(False)# True表示默认在控制台打印连接和信息发送接收情况wsUrl=wsParam.create_url()# 生成讯飞的url进行连接ws=websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close)ws.on_open=on_open  # 进行websocket连接ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE}, ping_timeout=2)# 无限循环，只要这个websocket连接未断开，这个循环就会一直进行下去

开始运行。

if __name__ == '__main__':run()

完整代码

''' 在线语音识别 '''
import websocket
import hashlib
import base64
import hmac
import json
from urllib.parse import urlencode
import time
import ssl
from wsgiref.handlers import format_date_time
from datetime import datetime
from time import mktime
import _thread as thread
import pyaudiorecording_results=""   # 识别结果
STATUS_FIRST_FRAME = 0  # 第一帧的标识
STATUS_CONTINUE_FRAME = 1  # 中间帧标识
STATUS_LAST_FRAME = 2  # 最后一帧的标识class Ws_Param(object):# 初始化接口对象def __init__(self,APPID,APIKey,APISecret):# 初始化讯飞接口的ID,Key,Secretself.APPID=APPIDself.APIKey=APIKeyself.APISecret=APISecret# 公共参数(common)self.CommonArgs={"app_id":self.APPID}# 业务参数(business)self.BusinessArgs={"domain":"iat","language":"zh_cn","accent":"mandarin","vinfo":1,"vad_eos":1000}def create_url(self):# 生成urlurl='wss://ws-api.xfyun.cn/v2/iat'now=datetime.now()date=format_date_time(mktime(now.timetuple()))# 生成RFC1123格式的时间戳signature_origin = "host: " + "ws-api.xfyun.cn" + "\n"signature_origin += "date: " + date + "\n"signature_origin += "GET " + "/v2/iat " + "HTTP/1.1"# 拼接字符串signature_sha = hmac.new(self.APISecret.encode('utf-8'),signature_origin.encode('utf-8'),digestmod=hashlib.sha256).digest()signature_sha = base64.b64encode(signature_sha).decode(encoding='utf-8')# 进行hmac_sha256进行加密authorization_origin = "api_key=\"%s\", algorithm=\"%s\", headers=\"%s\", " \"signature=\"%s\"" % (self.APIKey, "hmac-sha256","host date request-line", signature_sha)authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')v={"authorization": authorization,"date": date,"host": "ws-api.xfyun.cn"}# 将请求的鉴权参数组合为字典url=url+'?'+urlencode(v)# 拼接鉴权参数，生成urlreturn urldef on_open(ws):# 收到websocket连接建立的处理def run(*args):# 在线音频处理并发送到讯飞status=STATUS_FIRST_FRAME# 音频的状态信息，标识音频是第一帧，还是中间帧、最后一帧CHUNK = 520  # 定义数据流块FORMAT = pyaudio.paInt16  # 16bit编码格式CHANNELS = 1  # 单声道RATE = 16000  # 16000采样频率p=pyaudio.PyAudio()  # 录音# 实例化pyaudio对象stream = p.open(format=FORMAT,  # 音频流wav格式channels=CHANNELS,  # 单声道rate=RATE,  # 采样率16000input=True,frames_per_buffer=CHUNK)# 创建音频流，使用这个对象去打开声卡，设置采样深度、通道数、采样率、输入和采样点缓存数量print("---------------开始录音-----------------")# 开始录音global textfor i in range(0,int(RATE/CHUNK*60)):# 录制特定时间的音频buf=stream.read(CHUNK)# 读出声卡缓冲区的音频数据if not buf:status=STATUS_LAST_FRAMEif status==STATUS_FIRST_FRAME:# 首帧处理d = {"common": wsParam.CommonArgs,"business": wsParam.BusinessArgs,"data": {"status": 0, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}d = json.dumps(d)# 将拼接的字符串d数据结构转换为jsonws.send(d)status=STATUS_CONTINUE_FRAMEelif status==STATUS_CONTINUE_FRAME:# 中间帧处理d = {"data": {"status": 1, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}ws.send(json.dumps(d))elif status==STATUS_LAST_FRAME:# 最后一帧处理d = {"data": {"status": 2, "format": "audio/L16;rate=16000","audio": str(base64.b64encode(buf), 'utf-8'),"encoding": "raw"}}ws.send(json.dumps(d))time.sleep(1)breakthread.start_new_thread(run,())def on_message(ws,message):# 收到websocket消息的正常处理try:# print(json.loads(message))code = json.loads(message)["code"]# 解码返回的message的json数据中的codesid = json.loads(message)["sid"]if code != 0:errMsg = json.loads(message)["message"]# 解码message中错误信息print("sid:%s call error:%s code is:%s" % (sid, errMsg, code))else:data = json.loads(message)["data"]["result"]["ws"]# 解码message中ws数据result = ""for i in data:for w in i["cw"]:result += w["w"]if result == '。' or result == '.。' or result == ' .。' or result == ' 。':passelse:# t.insert(END, result)  # 把上边的标点插入到result的最后print("翻译结果: %s。" % (result))global recording_resultsrecording_results=resultexcept Exception as e:# 异常处理，参数异常print("receive msg,but parse exception:", e)def on_error(ws,error):# 收到websocket后错误的处理print("### error ### : ",error)run()# 重新启动监听def on_close(ws):# 收到websocket关闭的处理passdef run():global wsParamwsParam=Ws_Param(APPID='5d27dbc6',APIKey='d61163a9bdb5d0a0508f98dee66e0383',APISecret='ZTQ5NTAwZTk0YzQ5MDdhNWViZjcyYjVh')# 初始化讯飞接口编码websocket.enableTrace(False)# True表示默认在控制台打印连接和信息发送接收情况wsUrl=wsParam.create_url()# 生成讯飞的url进行连接ws=websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close)ws.on_open=on_open  # 进行websocket连接ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE}, ping_timeout=2)# 无限循环，只要这个websocket连接未断开，这个循环就会一直进行下去if __name__ == '__main__':run()

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/13318.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

scratch 角色追踪

scratch 角色追踪

scratch 角色追踪 本程序中一个角色移动到随机位置和方向后向前移动，碰到边缘反弹；另一个角色跟随前一个角色，两个角色接触后前者重新取随机位置。 程序内容如下
阅读更多...
Spring Boot 缓存应用实践

Spring Boot 缓存应用实践

缓存是最直接有效提升系统性能的手段之一。个人认为用好用对缓存是优秀程序员的必备基本素质。本文结合实际开发经验，从简单概念原理和代码入手，一步一步搭建一个简单的二级缓存系统。 一、通用缓存接口 1、缓存基础算法 FIFO（First In Fir…
阅读更多...
生产级Redis Cluster部署（4.0.10版本）

生产级Redis Cluster部署（4.0.10版本）

生产级Redis Cluster部署 环境准备 主机名 IP地址 端口 描述 redis-master 192.168.1.51 7000 redis-master01 7001 redis-master02 7002 redis-master03 redis-slave 192.168.1.52 8000 redis-slave01 8001 redis-slave02 8002 redis-slave03 初始化…
阅读更多...
Django实现简单的音乐播放器 3

Django实现简单的音乐播放器 3

在原有音乐播放器上请求方式优化和增加加载本地音乐功能。 效果： 目录 播放列表优化 设置csrf_token 前端改为post请求 视图端增加post验证 加载歌曲 视图 设置路由 模板 加载layui css 加载layui js 增加功能列表 功能列表脚本实现 最终效果 总结 播…
阅读更多...
【计算机视觉】YOLOv8的测试以及训练过程（含源代码）

【计算机视觉】YOLOv8的测试以及训练过程（含源代码）

文章目录 一、导读二、部署环境三、预测结果3.1 使用检测模型3.2 使用分割模型3.3 使用分类模型3.4 使用pose检测模型 四、COCO val 数据集4.1 在 COCO128 val 上验证 YOLOv8n4.2 在COCO128上训练YOLOv8n 五、自己训练5.1 训练检测模型5.2 训练分割模型5.3 训练分类模型5.4 训练…
阅读更多...
English Learning - L3 纠音 W9 Lesson7-8 Ted Living Beyond Limits 2023.7.4 周二

English Learning - L3 纠音 W9 Lesson7-8 Ted Living Beyond Limits 2023.7.4 周二

朗读内容： Lesson 7-8 Day 52 - 60 句子 Ted Living Beyond Limits 23-50
阅读更多...
ANSYS ACT插件开发基本流程

ANSYS ACT插件开发基本流程

开发实施路线 以ACT仿真向导的开发为例，整体可以分为IronPython脚本开发和XML界面开发两个阶段；实际上所有的ANSYS产品的仿真向导开发都是遵循相同的路线流程。此外，另外两种类型的ACT插件开发路线亦是如此。 如何去学习 脚本开发是ACT插件…
阅读更多...
Spring Boot 中的分布式追踪及使用

Spring Boot 中的分布式追踪及使用

Spring Boot 中的分布式追踪及使用 随着互联网应用程序的复杂性不断增加，分布式系统已经成为了许多企业级应用程序的标配。在分布式系统中，由于服务之间的调用关系错综复杂，很难追踪到一个请求在整个系统中的执行路径和时间，这就…
阅读更多...
智安网络|新型恶意软件攻击：持续威胁网络安全

智安网络|新型恶意软件攻击：持续威胁网络安全

当今数字化时代，恶意软件已经成为网络安全领域中的一项巨大威胁。随着技术的不断进步，恶意软件的攻击方式也在不断演变和发展。 以下是一些目前比较常见的新型恶意软件攻击： **1.勒索软件：**勒索软件是一种恶意软件，它…
阅读更多...
【数据分析 - 基础入门之NumPy⑤】NumPy基本操作 - 二

【数据分析 - 基础入门之NumPy⑤】NumPy基本操作 - 二

知识目录 前言一、聚合函数二、矩阵操作2.1 算术运算2.2 线性代数2.3 其他数学操作 三、广播机制3.1 广播的原则3.2 案例 四、排序五、文件操作结语相关导读 前言 大家好！本期给大家带来的是【数据分析 - 基础入门之NumPy⑤】NumPy基本操作 - 二，收录于…
阅读更多...
【Ubuntu】系统U盘变为普通U盘

【Ubuntu】系统U盘变为普通U盘

如果您在 Ubuntu 系统上没有磁盘工具可用，您可以尝试使用命令行工具来格式化系统 U 盘。请按照以下步骤进行操作： 打开终端：在 Ubuntu 桌面上，按下 Ctrl Alt T 快捷键，或者在应用程序菜单中搜索并打开 "终端&qu…
阅读更多...
《MySQL》数据类型

《MySQL》数据类型

文章目录 一，数值类型int类型bit类型小数类型float 和 decimal 二，字符串类型char和varchar日期和时间类型enum和set 一，数值类型 MySQL数据库里面的数据类型 int类型 int类型是一个大类 类型大小tinyint1字节 （-27 ~ 27-1&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023