百度AI開放平台官網：http://ai.baidu.com/?track=cp:aipinzhuan|pf:pc|pp:AIpingtai|pu:title|ci:|kw:10005792
pip3 install baidu-aip
百度AI的使用：
1、首先創建應用：
2、使用方法可以查看文檔：
3、各功能的使用
3.1 語言合成：
from aip import AipSpeech """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) result = client.synthesis('先帝創業未半而中道崩殂', 'zh', 1, { 'vol': 5, "spd": 3, "pit": 7, "per": 4 }) print(result) # 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼 if not isinstance(result, dict): with open('audio.mp3', 'wb') as f: f.write(result)
Python使用 語言合成 文檔：
3.1.1 簡介
Hi，您好，歡迎使用百度語音合成服務。
本文檔主要針對Python開發者，描述百度語音合成接口服務的相關技術內容。如果您對文檔內容有任何疑問，可以通過以下幾種方式聯系我們：
- 在百度雲控制台內提交工單，咨詢問題類型請選擇人工智能服務；
- 加入開發者QQ群：910926227
接口能力
| 接口名稱 | 接口能力簡要描述 |
|---|---|
| 語音合成 | 將計算機自己產生的、或外部輸入的文字信息轉變為可以聽得懂的、流利的口語輸出的技術。 |
注意事項
目前本SDK的功能同REST API，需要聯網調用http接口 。REST API 僅支持最多512字（1024 字節)的音頻合成，合成的文件格式為mp3。沒有其他額外功能。 如果需要使用離線合成等其它功能，請使用Android或者iOS 合成 SDK
請嚴格按照文檔里描述的參數進行開發。請注意以下幾個問題：
- 合成文本長度必須小於1024字節，如果本文長度較長，可以采用多次請求的方式。切忌文本長度超過限制。
2.新創建語音合成應用不限制每日調用量，但有QPS限額。詳細限額數據可在控制台中查看。完成個人實名認證及企業認證可提高QPS限額。若需更大QPS可進一步商務合作咨詢。
- 必填字段中，嚴格按照文檔描述中內容填寫。
版本更新記錄
| 上線日期 | 版本號 | 更新內容 |
|---|---|---|
| 2017.5.11 | 1.0.0 | 語音合成服務上線 |
3.1.2 快速入門
安裝語音合成 Python SDK
語音合成 Python SDK目錄結構
├── README.md
├── aip //SDK目錄
│ ├── __init__.py //導出類
│ ├── base.py //aip基類
│ ├── http.py //http請求
│ └── speech.py //語音合成
└── setup.py //setuptools安裝支持Python版本：2.7.+ ,3.+
安裝使用Python SDK有如下方式：
- 如果已安裝pip，執行
pip install baidu-aip即可。 - 如果已安裝setuptools，執行
python setup.py install即可。
新建AipSpeech
AipSpeech是語音合成的Python SDK客戶端，為使用語音合成的開發人員提供了一系列的交互方法。
參考如下代碼新建一個AipSpeech：
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)在上面代碼中，常量APP_ID在百度雲控制台中創建，常量API_KEY與SECRET_KEY是在創建完畢應用后，系統分配給用戶的，均為字符串，用於標識用戶，為訪問做簽名驗證，可在AI服務控制台中的應用列表中查看。
配置AipSpeech
如果用戶需要配置AipSpeech的網絡請求參數(一般不需要配置)，可以在構造AipSpeech之后調用接口設置參數，目前只支持以下參數：
| 接口 | 說明 |
|---|---|
| setConnectionTimeoutInMillis | 建立連接的超時時間（單位：毫秒 |
| setSocketTimeoutInMillis | 通過打開的連接傳輸數據的超時時間（單位：毫秒） |
3.1.3 接口說明
語音合成
接口描述
基於該接口，開發者可以輕松的獲取語音合成能力
請求說明
- 合成文本長度必須小於1024字節，如果本文長度較長，可以采用多次請求的方式。文本長度不可超過限制
舉例，要把一段文字合成為語音文件：
result = client.synthesis('你好百度', 'zh', 1, {
'vol': 5,
})
# 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)| 參數 | 類型 | 描述 | 是否必須 |
|---|---|---|---|
| tex | String | 合成的文本，使用UTF-8編碼， 請注意文本長度必須小於1024字節 |
是 |
| cuid | String | 用戶唯一標識，用來區分用戶， 填寫機器 MAC 地址或 IMEI 碼，長度為60以內 |
否 |
| spd | String | 語速，取值0-9，默認為5中語速 | 否 |
| pit | String | 音調，取值0-9，默認為5中語調 | 否 |
| vol | String | 音量，取值0-15，默認為5中音量 | 否 |
| per | String | 發音人選擇, 0為女聲，1為男聲， 3為情感合成-度逍遙，4為情感合成-度丫丫，默認為普通女 |
否 |
返回樣例：
// 成功返回二進制文件流
// 失敗返回
{
"err_no":500,
"err_msg":"notsupport.",
"sn":"abcdefgh",
"idx":1
}3.1.4 錯誤信息
錯誤返回格式
若請求錯誤，服務器將返回的JSON文本包含以下參數：
- error_code：錯誤碼。
- error_msg：錯誤描述信息，幫助理解和解決發生的錯誤。
錯誤碼
| 錯誤碼 | 含義 |
|---|---|
| 500 | 不支持的輸入 |
| 501 | 輸入參數不正確 |
| 502 | token驗證失敗 |
| 503 | 合成后端錯誤 |
3.2 語言識別
from aip import AipSpeech import os """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 讀取文件 def get_file_content(filePath): os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm") with open(f"{filePath}.pcm", 'rb') as fp: return fp.read() # 識別本地文件 res = client.asr(get_file_content('wyn.wma'), 'pcm', 16000, { 'dev_pid': 1536, }) print(res.get("result")[0])
Python使用 語言識別 文檔：
音頻處理工具
3.2.1 簡介
目前本SDK的功能同REST API，需要聯網調用http接口, 具體功能見REST API 文檔, REST API 僅支持整段語音識別的模式，即需要上傳完整語音文件進行識別，時長不超過60s，支持、自定義詞庫設置， 沒有其他額外功能。
接口能力
| 接口名稱 | 接口能力簡要描述 |
|---|---|
| 語音識別 | 將人類的語音中的詞匯內容轉換為計算機可讀的輸入，例如按鍵、二進制編碼或者字符序列 |
支持的語音格式
原始 PCM 的錄音參數必須符合 16k 采樣率、16bit 位深、單聲道，支持的格式有：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（壓縮格式）。
注意事項
如果需要使用實時識別、長語音、喚醒詞、語義解析等其它語音功能，請使用Android或者iOS SDK 或 Linux C++ SDK 等。
- 請嚴格按照文檔里描述的參數進行開發，特別請關注原始錄音參數以及語音壓縮格式的建議，否則會影響識別率，進而影響到產品的用戶體驗。
- 目前系統支持的語音時長上限為60s，請不要超過這個長度，否則會返回錯誤。
反饋
- 在百度雲控制台內提交工單，咨詢問題類型請選擇人工智能服務；
- QQ群快速溝通： AI開放平台官網首頁底部“QQ支持群”中，查找“百度語音”。
版本更新記錄
| 上線日期 | 版本號 | 更新內容 |
|---|---|---|
| 2017.5.11 | 1.0.0 | 語音識別服務上線 |
3.2.2 快速入門
安裝語音識別 Python SDK
語音識別 Python SDK目錄結構
├── README.md
├── aip //SDK目錄
│ ├── __init__.py //導出類
│ ├── base.py //aip基類
│ ├── http.py //http請求
│ └── speech.py //語音識別
└── setup.py //setuptools安裝支持Python版本：2.7.+ ,3.+
安裝使用Python SDK有如下方式：
- 如果已安裝pip，執行
pip install baidu-aip即可。 - 如果已安裝setuptools，執行
python setup.py install即可。
新建AipSpeech
AipSpeech是語音識別的Python SDK客戶端，為使用語音識別的開發人員提供了一系列的交互方法。
參考如下代碼新建一個AipSpeech：
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)在上面代碼中，常量APP_ID在百度雲控制台中創建，常量API_KEY與SECRET_KEY是在創建完畢應用后，系統分配給用戶的，均為字符串，用於標識用戶，為訪問做簽名驗證，可在AI服務控制台中的應用列表中查看。
配置AipSpeech
如果用戶需要配置AipSpeech的網絡請求參數(一般不需要配置)，可以在構造AipSpeech之后調用接口設置參數，目前只支持以下參數：
| 接口 | 說明 |
|---|---|
| setConnectionTimeoutInMillis | 建立連接的超時時間（單位：毫秒 |
| setSocketTimeoutInMillis | 通過打開的連接傳輸數據的超時時間（單位：毫秒） |
3.2.3 接口說明
語音識別
接口描述
向遠程服務上傳整段語音進行識別
請求說明
舉例，要對段保存有一段語音的語音文件進行識別：
# 讀取文件
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
# 識別本地文件
client.asr(get_file_content('audio.pcm'), 'pcm', 16000, {
'dev_pid': 1536,
})| 參數 | 類型 | 描述 | 是否必須 |
|---|---|---|---|
| speech | Buffer | 建立包含語音內容的Buffer對象, 語音文件的格式，pcm 或者 wav 或者 amr。不區分大小寫 | 是 |
| format | String | 語音文件的格式，pcm 或者 wav 或者 amr。不區分大小寫。推薦pcm文件 | 是 |
| rate | int | 采樣率，16000，固定值 | 是 |
| cuid | String | 用戶唯一標識，用來區分用戶，填寫機器 MAC 地址或 IMEI 碼，長度為60以內 | 否 |
| dev_pid | Int | 不填寫lan參數生效，都不填寫，默認1537（普通話 輸入法模型），dev_pid參數見本節開頭的表格 | 否 |
| lan(已廢棄) | String | 歷史兼容參數，請使用dev_pid。如果dev_pid填寫，該參數會被覆蓋。語種選擇,輸入法模型，默認中文（zh）。 中文=zh、粵語=ct、英文=en，不區分大小寫。 | 否 |
dev_pid 參數列表
| dev_pid | 語言 | 模型 | 是否有標點 | 備注 |
|---|---|---|---|---|
| 1536 | 普通話(支持簡單的英文識別) | 搜索模型 | 無標點 | 支持自定義詞庫 |
| 1537 | 普通話(純中文識別) | 輸入法模型 | 有標點 | 支持自定義詞庫 |
| 1737 | 英語 | 無標點 | 不支持自定義詞庫 | |
| 1637 | 粵語 | 有標點 | 不支持自定義詞庫 | |
| 1837 | 四川話 | 有標點 | 不支持自定義詞庫 | |
| 1936 | 普通話遠場 | 遠場模型 | 有標點 | 不支持 |
語音識別 返回數據參數詳情
| 參數 | 類型 | 是否一定輸出 | 描述 |
|---|---|---|---|
| err_no | int | 是 | 錯誤碼 |
| err_msg | int | 是 | 錯誤碼描述 |
| sn | int | 是 | 語音數據唯一標識，系統內部產生，用於 debug |
| result | int | 是 | 識別結果數組，提供1-5 個候選結果，string 類型為識別的字符串， utf-8 編碼 |
返回樣例：
// 成功返回
{
"err_no": 0,
"err_msg": "success.",
"corpus_no": "15984125203285346378",
"sn": "481D633F-73BA-726F-49EF-8659ACCC2F3D",
"result": ["北京天氣"]
}
// 失敗返回
{
"err_no": 2000,
"err_msg": "data empty.",
"sn": null
}3.2.4 錯誤信息
錯誤返回格式
若請求錯誤，服務器將返回的JSON文本包含以下參數：
- error_code：錯誤碼。
- error_msg：錯誤描述信息，幫助理解和解決發生的錯誤。
錯誤碼
| 錯誤碼 | 用戶輸入/服務端 | 含義 | 一般解決方法 |
|---|---|---|---|
| 3300 | 用戶輸入錯誤 | 輸入參數不正確 | 請仔細核對文檔及參照demo，核對輸入參數 |
| 3301 | 用戶輸入錯誤 | 音頻質量過差 | 請上傳清晰的音頻 |
| 3302 | 用戶輸入錯誤 | 鑒權失敗 | token字段校驗失敗。請使用正確的API_KEY 和 SECRET_KEY生成。或QPS、調用量超出限額。或音頻采樣率不正確（可嘗試更換為16k采樣率）。 |
| 3303 | 服務端問題 | 語音服務器后端問題 | 請將api返回結果反饋至論壇或者QQ群 |
| 3304 | 用戶請求超限 | 用戶的請求QPS超限 | 請降低識別api請求頻率 （qps以appId計算，移動端如果共用則累計） |
| 3305 | 用戶請求超限 | 用戶的日pv（日請求量）超限 | 請“申請提高配額”，如果暫未通過，請降低日請求量 |
| 3307 | 服務端問題 | 語音服務器后端識別出錯問題 | 目前請確保16000的采樣率音頻時長低於30s。如果仍有問題，請將api返回結果反饋至論壇或者QQ群 |
| 3308 | 用戶輸入錯誤 | 音頻過長 | 音頻時長不超過60s，請將音頻時長截取為60s以下 |
| 3309 | 用戶輸入錯誤 | 音頻數據問題 | 服務端無法將音頻轉為pcm格式，可能是長度問題，音頻格式問題等。 請將輸入的音頻時長截取為60s以下，並核對下音頻的編碼，是否是16K， 16bits，單聲道。 |
| 3310 | 用戶輸入錯誤 | 輸入的音頻文件過大 | 語音文件共有3種輸入方式： json 里的speech 參數（base64后）； 直接post 二進制數據，及callback參數里url。 分別對應三種情況：json超過10M；直接post的語音文件超過10M；callback里回調url的音頻文件超過10M |
| 3311 | 用戶輸入錯誤 | 采樣率rate參數不在選項里 | 目前rate參數僅提供16000，填寫4000即會有此錯誤 |
| 3312 | 用戶輸入錯誤 | 音頻格式format參數不在選項里 | 目前格式僅僅支持pcm，wav或amr，如填寫mp3即會有此錯誤 |
錯誤碼常見問題及具體分析
3300 錯誤
語音識別api使用的是HTTP POST方法， BODY里直接放置json， Content-Type頭部為 application/json。 並非常見的瀏覽器表單請求（application/x-www-form-urlencoded或者multipart/x-www-form-urlencoded）。
必填字段：format rate channel cuid token cuid token cuid token cuid token，請勿漏填。此外 (speech, len) 及 (url, callback) 這兩組參數必須二選一，如果都填，默認處理第一組。 channel cuid token，請勿漏填。此外 (speech, len) 及 (url, callback) 這兩組參數必須二選一，如果都填，默認處理第一種。 channel cuid token，請勿漏填。此外 (speech, len) 及 (url, callback) 這兩組參數必須二選一，如果都填，默認處理第一種。
必填字段如format rate channel cuid token，請勿漏填。此外 (speech, len) 及 (url, callback) 這兩組參數必須二選一，如果都填，默認處理第一種，並確認 音頻時長截取為60s以下。
3309錯誤
wav和amr的音頻，服務端會自動轉為pcm，這個過程中導致轉碼出錯。請確認下format及rate參數與音頻一致，並確認音頻時長截取為60s以下。
3301 錯誤
識別結果實際為空。可能是音頻質量過差，不清晰，或者是空白音頻。 有時也可能是pcm填錯采樣率。如16K采樣率的pcm文件，填寫的rate參數為8000。
行業與場景限制 根據工信部《綜合整治騷擾電話專項行動方案》、《關於推進綜合整治騷擾電話專項行動的工作方案》，相關能力不得用於商業營銷類、惡意騷擾類和違法犯罪類騷擾電話類場景，也不支持在貸款、理財、信用卡、股票、基金、債券、保險、售房租房、醫療機構、保健食品、人力資源服務、旅游等場景的騷擾電話營銷行為。
基於 語言合成 和 語言識別 可以做一個 機器學我們說話 功能：
from aip import AipSpeech import time,os """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 讀取文件 def get_file_content(filePath): os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm") with open(f"{filePath}.pcm", 'rb') as fp: return fp.read() def audio2text(filepath): # 識別本地文件 res = client.asr(get_file_content(filepath), 'pcm', 16000, { 'dev_pid': 1536, }) print(res.get("result")[0]) return res.get("result")[0] def text2audio(text): filename = f"{time.time()}.mp3" result = client.synthesis(text, 'zh', 1, { 'vol': 5, "spd": 3, "pit": 7, "per": 4 }) # 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼 if not isinstance(result, dict): with open(filename, 'wb') as f: f.write(result) return filename text = audio2text("wyn.wma") filename = text2audio(text) os.system(filename)
3.3 自然語言處理技術
短文本相似度NLP
from aip import AipSpeech,AipNlp import time,os """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY) #短文本相似度 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 讀取文件 def get_file_content(filePath): os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm") with open(f"{filePath}.pcm", 'rb') as fp: return fp.read() def audio2text(filepath): # 識別本地文件 res = client.asr(get_file_content(filepath), 'pcm', 16000, { 'dev_pid': 1536, }) print(res.get("result")[0]) return res.get("result")[0] def text2audio(text): filename = f"{time.time()}.mp3" result = client.synthesis(text, 'zh', 1, { 'vol': 5, "spd": 3, "pit": 7, "per": 4 }) # 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼 if not isinstance(result, dict): with open(filename, 'wb') as f: f.write(result) return filename def to_tuling(text): import requests args = { "reqType": 0, "perception": { "inputText": { "text": text } }, "userInfo": { "apiKey": "9a9a026e2eb64ed6b006ad99d27f6b9e", "userId": "1111" } } url = "http://openapi.tuling123.com/openapi/api/v2" res = requests.post(url, json=args) text = res.json().get("results")[0].get("values").get("text") return text # res = nlp.simnet("你叫什么名字","你的名字是什么") # print(res) text = audio2text("bjtq.wma") # 短文本相似度 if nlp.simnet("你叫什么名字",text).get("score") >= 0.68 : text = "我的名字叫銀角大王8" else: text = to_tuling(text) filename = text2audio(text) os.system(filename)
圖靈機器人官網：http://www.tuling123.com/
基於 語言合成 和 語言識別 以及 自然語言的短文本相似度 還有 圖靈機器人 做一個 機器智能回答問題 的功能：
簡易版：
from aip import AipSpeech,AipNlp import time,os """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY) client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 讀取文件 def get_file_content(filePath): os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm") with open(f"{filePath}.pcm", 'rb') as fp: return fp.read() def audio2text(filepath): # 識別本地文件 res = client.asr(get_file_content(filepath), 'pcm', 16000, { 'dev_pid': 1536, }) print(res.get("result")[0]) return res.get("result")[0] def text2audio(text): filename = f"{time.time()}.mp3" result = client.synthesis(text, 'zh', 1, { 'vol': 5, "spd": 3, "pit": 7, "per": 4 }) # 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼 if not isinstance(result, dict): with open(filename, 'wb') as f: f.write(result) return filename def to_tuling(text): import requests args = { "reqType": 0, "perception": { "inputText": { "text": text } }, "userInfo": { "apiKey": "9a9a026e2eb64ed6b006ad99d27f6b9e", "userId": "1111" } } url = "http://openapi.tuling123.com/openapi/api/v2" res = requests.post(url, json=args) text = res.json().get("results")[0].get("values").get("text") return text # res = nlp.simnet("你叫什么名字","你的名字是什么") # print(res) text = audio2text("bjtq.wma") if nlp.simnet("你叫什么名字",text).get("score") >= 0.68 : text = "我的名字叫銀角大王8" else: text = to_tuling(text) filename = text2audio(text) os.system(filename)
完善版：
from flask import Flask,render_template,request,jsonify,send_file from uuid import uuid4 import baidu_ai app = Flask(__name__) @app.route("/") def index(): return render_template("index.html") @app.route("/ai",methods=["POST"]) def ai(): # 1.保存錄音文件 audio = request.files.get("record") filename = f"{uuid4()}.wav" audio.save(filename) #2.將錄音文件轉換為PCM發送給百度進行語音識別 q_text = baidu_ai.audio2text(filename) #3.將識別的問題交給圖靈或自主處理獲取答案 a_text = baidu_ai.to_tuling(q_text) #4.將答案發送給百度語音合成，合成音頻文件 a_file = baidu_ai.text2audio(a_text) #5.將音頻文件發送給前端播放 return jsonify({"filename":a_file}) @app.route("/get_audio/<filename>") def get_audio(filename): return send_file(filename) if __name__ == '__main__': app.run("0.0.0.0",9527,debug=True)
from aip import AipSpeech,AipNlp import time,os """ 你的 APPID AK SK """ APP_ID = '15420336' API_KEY = 'VwSGcqqwsCl282LGKnFwHDIA' SECRET_KEY = 'h4oL6Y9yRuvmD0oSdQGQZchNcix4TF5P' nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY) client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) # 讀取文件 def get_file_content(filePath): os.system(f"ffmpeg -y -i {filePath} -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm") with open(f"{filePath}.pcm", 'rb') as fp: return fp.read() def audio2text(filepath): # 識別本地文件 res = client.asr(get_file_content(filepath), 'pcm', 16000, { 'dev_pid': 1536, }) print(res.get("result")[0]) return res.get("result")[0] def text2audio(text): filename = f"{time.time()}.mp3" result = client.synthesis(text, 'zh', 1, { 'vol': 5, "spd": 3, "pit": 7, "per": 4 }) # 識別正確返回語音二進制 錯誤則返回dict 參照下面錯誤碼 if not isinstance(result, dict): with open(filename, 'wb') as f: f.write(result) return filename def to_tuling(text): import requests args = { "reqType": 0, "perception": { "inputText": { "text": text } }, "userInfo": { "apiKey": "9a9a026e2eb64ed6b006ad99d27f6b9e", "userId": "1111" } } url = "http://openapi.tuling123.com/openapi/api/v2" res = requests.post(url, json=args) text = res.json().get("results")[0].get("values").get("text") print("圖靈答案",text) return text
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> </head> <body> <audio controls autoplay id="player"></audio> <p> <button onclick="start_reco()" style="background-color: yellow">錄制語音指令</button> </p> <p> <button onclick="stop_reco_audio()" style="background-color: blue">發送語音指令</button> </p> </body> <!--<script type="application/javascript" src="/static/Recorder.js"></script>--> <script type="application/javascript" src="https://cdn.bootcss.com/recorderjs/0.1.0/recorder.js"></script> <script type="text/javascript" src="/static/jQuery3.1.1.js"></script> <script type="text/javascript"> var reco = null; var audio_context = new AudioContext(); navigator.getUserMedia = (navigator.getUserMedia || navigator.webkitGetUserMedia || navigator.mozGetUserMedia || navigator.msGetUserMedia); navigator.getUserMedia({audio: true}, create_stream, function (err) { console.log(err) }); function create_stream(user_media) { var stream_input = audio_context.createMediaStreamSource(user_media); reco = new Recorder(stream_input); } function start_reco() { reco.record(); } function stop_reco_audio() { reco.stop(); send_audio(); reco.clear(); } function send_audio() { reco.exportWAV(function (wav_file) { var formdata = new FormData(); formdata.append("record", wav_file); console.log(formdata); $.ajax({ url: "http://192.168.13.42:9527/ai", type: 'post', processData: false, contentType: false, data: formdata, dataType: 'json', success: function (data) { document.getElementById("player").src ="http://192.168.13.42:9527/get_audio/" + data.filename } }); }) } </script> </html>
bootsdn download
(function(f){if(typeof exports==="object"&&typeof module!=="undefined"){module.exports=f()}else if(typeof define==="function"&&define.amd){define([],f)}else{var g;if(typeof window!=="undefined"){g=window}else if(typeof global!=="undefined"){g=global}else if(typeof self!=="undefined"){g=self}else{g=this}g.Recorder = f()}})(function(){var define,module,exports;return (function e(t,n,r){function s(o,u){if(!n[o]){if(!t[o]){var a=typeof require=="function"&&require;if(!u&&a)return a(o,!0);if(i)return i(o,!0);var f=new Error("Cannot find module '"+o+"'");throw f.code="MODULE_NOT_FOUND",f}var l=n[o]={exports:{}};t[o][0].call(l.exports,function(e){var n=t[o][1][e];return s(n?n:e)},l,l.exports,e,t,n,r)}return n[o].exports}var i=typeof require=="function"&&require;for(var o=0;o<r.length;o++)s(r[o]);return s})({1:[function(require,module,exports){
"use strict";
module.exports = require("./Recorder").Recorder;
},{"./recorder":2}],2:[function(require,module,exports){
'use strict';
var _createClass = (function () {
function defineProperties(target, props) {
for (var i = 0; i < props.length; i++) {
var descriptor = props[i];descriptor.enumerable = descriptor.enumerable || false;descriptor.configurable = true;if ("value" in descriptor) descriptor.writable = true;Object.defineProperty(target, descriptor.key, descriptor);
}
}return function (Constructor, protoProps, staticProps) {
if (protoProps) defineProperties(Constructor.prototype, protoProps);if (staticProps) defineProperties(Constructor, staticProps);return Constructor;
};
})();
Object.defineProperty(exports, "__esModule", {
value: true
});
exports.Recorder = undefined;
var _inlineWorker = require('inline-worker');
var _inlineWorker2 = _interopRequireDefault(_inlineWorker);
function _interopRequireDefault(obj) {
return obj && obj.__esModule ? obj : { default: obj };
}
function _classCallCheck(instance, Constructor) {
if (!(instance instanceof Constructor)) {
throw new TypeError("Cannot call a class as a function");
}
}
var Recorder = exports.Recorder = (function () {
function Recorder(source, cfg) {
var _this = this;
_classCallCheck(this, Recorder);
this.config = {
bufferLen: 4096,
numChannels: 2,
mimeType: 'audio_pcm/wav'
};
this.recording = false;
this.callbacks = {
getBuffer: [],
exportWAV: []
};
Object.assign(this.config, cfg);
this.context = source.context;
this.node = (this.context.createScriptProcessor || this.context.createJavaScriptNode).call(this.context, this.config.bufferLen, this.config.numChannels, this.config.numChannels);
this.node.onaudioprocess = function (e) {
if (!_this.recording) return;
var buffer = [];
for (var channel = 0; channel < _this.config.numChannels; channel++) {
buffer.push(e.inputBuffer.getChannelData(channel));
}
_this.worker.postMessage({
command: 'record',
buffer: buffer
});
};
source.connect(this.node);
this.node.connect(this.context.destination); //this should not be necessary
var self = {};
this.worker = new _inlineWorker2.default(function () {
var recLength = 0,
recBuffers = [],
sampleRate = undefined,
numChannels = undefined;
self.onmessage = function (e) {
switch (e.data.command) {
case 'init':
init(e.data.config);
break;
case 'record':
record(e.data.buffer);
break;
case 'exportWAV':
exportWAV(e.data.type);
break;
case 'getBuffer':
getBuffer();
break;
case 'clear':
clear();
break;
}
};
function init(config) {
sampleRate = config.sampleRate;
numChannels = config.numChannels;
initBuffers();
}
function record(inputBuffer) {
for (var channel = 0; channel < numChannels; channel++) {
recBuffers[channel].push(inputBuffer[channel]);
}
recLength += inputBuffer[0].length;
}
function exportWAV(type) {
var buffers = [];
for (var channel = 0; channel < numChannels; channel++) {
buffers.push(mergeBuffers(recBuffers[channel], recLength));
}
var interleaved = undefined;
if (numChannels === 2) {
interleaved = interleave(buffers[0], buffers[1]);
} else {
interleaved = buffers[0];
}
var dataview = encodeWAV(interleaved);
var audioBlob = new Blob([dataview], { type: type });
self.postMessage({ command: 'exportWAV', data: audioBlob });
}
function getBuffer() {
var buffers = [];
for (var channel = 0; channel < numChannels; channel++) {
buffers.push(mergeBuffers(recBuffers[channel], recLength));
}
self.postMessage({ command: 'getBuffer', data: buffers });
}
function clear() {
recLength = 0;
recBuffers = [];
initBuffers();
}
function initBuffers() {
for (var channel = 0; channel < numChannels; channel++) {
recBuffers[channel] = [];
}
}
function mergeBuffers(recBuffers, recLength) {
var result = new Float32Array(recLength);
var offset = 0;
for (var i = 0; i < recBuffers.length; i++) {
result.set(recBuffers[i], offset);
offset += recBuffers[i].length;
}
return result;
}
function interleave(inputL, inputR) {
var length = inputL.length + inputR.length;
var result = new Float32Array(length);
var index = 0,
inputIndex = 0;
while (index < length) {
result[index++] = inputL[inputIndex];
result[index++] = inputR[inputIndex];
inputIndex++;
}
return result;
}
function floatTo16BitPCM(output, offset, input) {
for (var i = 0; i < input.length; i++, offset += 2) {
var s = Math.max(-1, Math.min(1, input[i]));
output.setInt16(offset, s < 0 ? s * 0x8000 : s * 0x7FFF, true);
}
}
function writeString(view, offset, string) {
for (var i = 0; i < string.length; i++) {
view.setUint8(offset + i, string.charCodeAt(i));
}
}
function encodeWAV(samples) {
var buffer = new ArrayBuffer(44 + samples.length * 2);
var view = new DataView(buffer);
/* RIFF identifier */
writeString(view, 0, 'RIFF');
/* RIFF chunk length */
view.setUint32(4, 36 + samples.length * 2, true);
/* RIFF type */
writeString(view, 8, 'WAVE');
/* format chunk identifier */
writeString(view, 12, 'fmt ');
/* format chunk length */
view.setUint32(16, 16, true);
/* sample format (raw) */
view.setUint16(20, 1, true);
/* channel count */
view.setUint16(22, numChannels, true);
/* sample rate */
view.setUint32(24, sampleRate, true);
/* byte rate (sample rate * block align) */
view.setUint32(28, sampleRate * 4, true);
/* block align (channel count * bytes per sample) */
view.setUint16(32, numChannels * 2, true);
/* bits per sample */
view.setUint16(34, 16, true);
/* data chunk identifier */
writeString(view, 36, 'data');
/* data chunk length */
view.setUint32(40, samples.length * 2, true);
floatTo16BitPCM(view, 44, samples);
return view;
}
}, self);
this.worker.postMessage({
command: 'init',
config: {
sampleRate: this.context.sampleRate,
numChannels: this.config.numChannels
}
});
this.worker.onmessage = function (e) {
var cb = _this.callbacks[e.data.command].pop();
if (typeof cb == 'function') {
cb(e.data.data);
}
};
}
_createClass(Recorder, [{
key: 'record',
value: function record() {
this.recording = true;
}
}, {
key: 'stop',
value: function stop() {
this.recording = false;
}
}, {
key: 'clear',
value: function clear() {
this.worker.postMessage({ command: 'clear' });
}
}, {
key: 'getBuffer',
value: function getBuffer(cb) {
cb = cb || this.config.callback;
if (!cb) throw new Error('Callback not set');
this.callbacks.getBuffer.push(cb);
this.worker.postMessage({ command: 'getBuffer' });
}
}, {
key: 'exportWAV',
value: function exportWAV(cb, mimeType) {
mimeType = mimeType || this.config.mimeType;
cb = cb || this.config.callback;
if (!cb) throw new Error('Callback not set');
this.callbacks.exportWAV.push(cb);
this.worker.postMessage({
command: 'exportWAV',
type: mimeType
});
}
}], [{
key: 'forceDownload',
value: function forceDownload(blob, filename) {
var url = (window.URL || window.webkitURL).createObjectURL(blob);
var link = window.document.createElement('a');
link.href = url;
link.download = filename || 'output.wav';
var click = document.createEvent("Event");
click.initEvent("click", true, true);
link.dispatchEvent(click);
}
}]);
return Recorder;
})();
exports.default = Recorder;
},{"inline-worker":3}],3:[function(require,module,exports){
"use strict";
module.exports = require("./inline-worker");
},{"./inline-worker":4}],4:[function(require,module,exports){
(function (global){
"use strict";
var _createClass = (function () { function defineProperties(target, props) { for (var key in props) { var prop = props[key]; prop.configurable = true; if (prop.value) prop.writable = true; } Object.defineProperties(target, props); } return function (Constructor, protoProps, staticProps) { if (protoProps) defineProperties(Constructor.prototype, protoProps); if (staticProps) defineProperties(Constructor, staticProps); return Constructor; }; })();
var _classCallCheck = function (instance, Constructor) { if (!(instance instanceof Constructor)) { throw new TypeError("Cannot call a class as a function"); } };
var WORKER_ENABLED = !!(global === global.window && global.URL && global.Blob && global.Worker);
var InlineWorker = (function () {
function InlineWorker(func, self) {
var _this = this;
_classCallCheck(this, InlineWorker);
if (WORKER_ENABLED) {
var functionBody = func.toString().trim().match(/^function\s*\w*\s*\([\w\s,]*\)\s*{([\w\W]*?)}$/)[1];
var url = global.URL.createObjectURL(new global.Blob([functionBody], { type: "text/javascript" }));
return new global.Worker(url);
}
this.self = self;
this.self.postMessage = function (data) {
setTimeout(function () {
_this.onmessage({ data: data });
}, 0);
};
setTimeout(function () {
func.call(self);
}, 0);
}
_createClass(InlineWorker, {
postMessage: {
value: function postMessage(data) {
var _this = this;
setTimeout(function () {
_this.self.onmessage({ data: data });
}, 0);
}
}
});
return InlineWorker;
})();
module.exports = InlineWorker;
}).call(this,typeof global !== "undefined" ? global : typeof self !== "undefined" ? self : typeof window !== "undefined" ? window : {})
},{}]},{},[1])(1)
});