因為項目中有需要把微信里的語音轉(zhuǎn)成文本處理, 本次只說語音轉(zhuǎn)文本。
需要注意的是平臺對語音的格式有要求, 所以我們需要對語音進行轉(zhuǎn)換格式统锤。

語音轉(zhuǎn)換

使用的工具是ffmpeg, ffmpeg的安裝和配置請自行百度配猫。

import os
import tempfile
import subprocess
import base64
import logging
logger = logging.getLogger(__name__)
def mp3_2_wav(_path = None, _byte = None):
    ''' MP3轉(zhuǎn)WAV
    _path和_byte必須存在一個, 優(yōu)先級_path > _byte
    :param _path: 
    :param _byte:  
    :return: wav的字節(jié)流
    '''
    try:
        if _path is None and _byte is None: return
        temp = None
        if _path is None: # 字節(jié)流存入臨時文件
            temp = tempfile.NamedTemporaryFile(mode="w+b", delete=False)
            temp.write(_byte)
            temp.seek(0)
            _path = temp.name
        if _path is None: return
        # 根據(jù)要求進行格式轉(zhuǎn)換,-t 60 最大保存60秒, 采樣率 16K, 默認單聲道
        logger.info('mp3 ==> wav ========================')
        target_file = tempfile.NamedTemporaryFile(mode="w+b", delete=False, suffix='.wav')
        _perfix = r'ffmpeg'
        command = [_perfix, '-y', '-t', '60', '-i', _path, '-ar', '16K', target_file.name]
        return_code = subprocess.call(command)
        logger.info('mp3 ==> wav ==={}====================='.format(return_code))
        if return_code == 0:
            target_file.seek(0)
            _byte = target_file.read()
            target_file.close()
            os.remove(target_file.name)
            if temp is not None:
                temp.close()
                os.remove(temp.name)
            return _byte
    except Exception as e:
        logger.error('mp3_2_wav error [{}]'.format(e))

百度AI開放平臺 API

百度的比較方便幅恋，有百度封裝好的SDK使用和安裝都很方便, 上面API里有詳細介紹。

def BAIDU_ASR(_path):
    ''' 百度語音轉(zhuǎn)文字
    
    :param _path: 
    :return: 
    '''
    from aip import AipSpeech
    """ 你的 APPID AK SK """
    APP_ID = '你的 App ID'
    API_KEY = '你的 Api Key'
    SECRET_KEY = '你的 Secret Key'
    client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
    result = client.asr(mp3_2_wav(_path), 'pcm', 16000, {
        'dev_pid': '1537',
    })
    return result.get('result')[0]

訊飛開放平臺API

需要把請求的IP在訊飛控制臺加入白名單, 否則報錯：
{"code":"10105","data":"","desc":"illegal access|illegal client_ip: xxx.xxx.xxx.xxx","sid":"....."}
把報錯信息里的xxx.xxx.xxx.xxx加入白名單即可

import json
import time
import requests
def XUNFEI_ASR(_path):
    ''' 訊飛語音轉(zhuǎn)文字
    
    :param _path: 
    :return: 
    '''
    _byte = mp3_2_wav(_path)
    base64_audio = base64.b64encode(_byte)
    import urllib.parse
    body = urllib.parse.urlencode({'audio': base64_audio})
    url = 'http://api.xfyun.cn/v1/service/v1/iat'
    APP_ID = '你的 App ID'
    API_KEY = '你的 Api Key'
    param = {"engine_type": "sms16k", "aue": "raw"}
    import hashlib
    x_param = base64.b64encode(json.dumps(param).replace(' ', '').encode('utf-8'))
    x_time = int(int(round(time.time() * 1000)) / 1000)
    _str = API_KEY + str(x_time) + x_param.decode('utf-8')
    x_checksum = hashlib.md5(_str.encode('utf-8')).hexdigest()
    x_header = {'Content-Type': 'application/x-www-form-urlencoded; charset=utf-8',
                'X-Appid': APP_ID,
                'X-CurTime': str(x_time),
                'X-Param': x_param,
                'X-CheckSum': x_checksum}
    res = requests.post(url, body, headers = x_header)
    res = res.content.decode('utf-8')
    return res

騰訊AI開放平臺API

騰訊平臺主要是簽名算法需要注意

簽名算法

def get_sign_code(params, app_key):
    ''' 生成簽名CODE
    
    1. 計算步驟
    用于計算簽名的參數(shù)在不同接口之間會有差異泵肄，但算法過程固定如下4個步驟佳遣。
    將<key, value>請求參數(shù)對按key進行字典升序排序，得到有序的參數(shù)對列表N
    將列表N中的參數(shù)對按URL鍵值對的格式拼接成字符串凡伊，得到字符串T（如：key1=value1&key2=value2），URL鍵值拼接過程value部分需要URL編碼窒舟，URL編碼算法用大寫字母系忙，例如%E8，而不是小寫%e8
    將應用密鑰以app_key為鍵名惠豺，組成URL鍵值拼接到字符串T末尾银还，得到字符串S（如：key1=value1&key2=value2&app_key=密鑰)
    對字符串S進行MD5運算风宁，將得到的MD5值所有字符轉(zhuǎn)換成大寫，得到接口請求簽名
    2. 注意事項
    不同接口要求的參數(shù)對不一樣蛹疯，計算簽名使用的參數(shù)對也不一樣
    參數(shù)名區(qū)分大小寫戒财，參數(shù)值為空不參與簽名
    URL鍵值拼接過程value部分需要URL編碼
    簽名有效期5分鐘，需要請求接口時刻實時計算簽名信息
    :param params: 參數(shù)字典
    :param app_key: 
    :return: 
    '''
    if params is None or type(params) != dict or len(params) == 0: return
    try:
        params = sorted(params.items(), key=lambda x:x[0])
        _str = ''
        for item in params:
            key = item[0]
            value = item[1]
            if value == '': continue
            _str += urllib.parse.urlencode({key: value}) + '&'
        _str += 'app_key=' + app_key
        _str = hashlib.md5(_str.encode('utf-8')).hexdigest()
        return _str.upper()
    except Exception as e:
        logger.error('tencen get_sign_code error [{}]'.format(e))

ASR

def TencenASR(_path):
    ''' 騰訊語音轉(zhuǎn)文字
    
    :param _path: 
    :return: 
    '''
    APP_ID = '你的 App ID'
    API_KEY = '你的 Api Key'
    _byte = mp3_2_wav(_path)
    base64_audio = base64.b64encode(_byte)
    url = 'https://api.ai.qq.com/fcgi-bin/aai/aai_asr'
    params = {'app_id': APP_ID, 'time_stamp':int(time.time()), 'nonce_str': 'fa577ce340859f9fe', 'format': 2, 'speech': base64_audio, 'rate': 16000}
    sign = get_sign_code(params, API_KEY)
    params['sign'] = sign
    rt = requests.post(url, data=params)
    jsonData = json.loads(rt.text)
    if jsonData.get('ret') == 0:
        rt = jsonData.get('data').get('text')
        logger.info('Tencen ==> wav ===> {}'.format(rt))
        return rt

至此關鍵代碼開發(fā)完成捺弦。比較效果使用饮寞。

python 騰訊/百度/訊飛 ASR 語音轉(zhuǎn)文字

python 騰訊/百度/訊飛 ASR 語音轉(zhuǎn)文字

語音轉(zhuǎn)換

百度AI開放平臺 API

訊飛開放平臺API

騰訊AI開放平臺API

簽名算法

ASR