手把手使用Python語音識別，進行語音轉文字

0. 太長不看系列，直接使用

在1.2官網注冊后拿到APISecret和APIKey，直接復制文章2.4demo代碼，確定音頻為wav格式，采樣率為16K，在命令行執行

python single_sentence_recognition.py -client_secret=你的client_secret -client_id=你的client_id -file_path=test.wav

識別結果

​

使用中有任何問題，歡迎留言提問。

1. Python調用標貝科技語音識別接口，實現語音轉文字

1.1 環境准備：

Python 3

1.2 獲取權限

標貝科技 https://ai.data-baker.com/#/index

填寫邀請碼fwwqgs，每日免費調用量還可以翻倍

​

​

1.2.1 登錄

點擊產品地址進行登錄，支持短信、密碼、微信三種方式登錄。

​

1.2.2 創建新應用

登錄后進入【首頁概覽】，各位開發者可以進行創建多個應用。包括一句話識別、長語音識別、錄音文件識別；在線合成、離線合成、長文本合成。

​

1.2.3 選擇服務

進入【已創建的應用】，左側選擇您需調用的AI技術服務，右側展示對應服務頁面概覽（您可查詢用量、管理套餐、購買服務量、自主獲取授權、預警管理）。

​

1.2.4 獲取Key&Secret

通過服務 / 授權管理，獲取對應參數，進行開發配置（獲取訪問令牌token）

​

拿到Key和Secret就可以正式使用啦！

2. 代碼實現

2.1 獲取access_token

在拿到Key和Secret后，我們還需要調用授權接口獲取access_token，這個access_token有效時長是24小時。

# 獲取access_token用於鑒權
def get_access_token(client_secret, client_id):
    grant_type = "client_credentials"
    url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}"\
        .format(grant_type, client_secret, client_id)

    try:
        response = requests.post(url)
        response.raise_for_status()
    except Exception as e:
        print(e)
        return
    else:
        access_token = json.loads(response.text).get('access_token')
    
    return access_token

 

2.2 獲取識別文本

拿到access_token后，調用語音識別接口，就可以獲得識別后文本

# 獲取識別后文本
def get_text(file, headers):
    url = "https://asr.data-baker.com/asr/api?"
    response = requests.post(url, data=file, headers=headers)
    code = json.loads(response.text).get("code")
    text = json.loads(response.text).get("text")
    if code != 20000:
        print(response.text)
    
    return text

2.3 配置接口參數

client_secret和client_id：在文章1.2的官網獲取，必填

file_path：文件保存路徑，必填

audio_format：音頻格式，默認wav，根據文件可以自己選填

sample_rate：采樣率，默認16000，根據文件可以自己選填

add_pct：是否在靜音處添加標點，默認true

# 獲取命令行輸入參數
def get_args():
    parser = argparse.ArgumentParser(description='ASR')
    parser.add_argument('-client_secret', type=str, required=True)
    parser.add_argument('-client_id', type=str, required=True)
    parser.add_argument('-file_path', type=str, required=True)
    parser.add_argument('--audio_format', type=str, default='wav')
    parser.add_argument('--sample_rate', type=str, default='16000')
    parser.add_argument('--add_pct', type=str, default='true')
    args = parser.parse_args()

    return args

2.4 完整demo

#!/usr/bin/env python
# coding: utf-8

import requests
import json
import argparse


# 獲取access_token用於鑒權
def get_access_token(client_secret, client_id):
    grant_type = "client_credentials"
    url = "https://openapi.data-baker.com/oauth/2.0/token?grant_type={}&client_secret={}&client_id={}"\
        .format(grant_type, client_secret, client_id)

    try:
        response = requests.post(url)
        response.raise_for_status()
    except Exception as e:
        print(e)
        return
    else:
        access_token = json.loads(response.text).get('access_token')
    
    return access_token


# 獲取識別后文本
def get_text(file, headers):
    url = "https://asr.data-baker.com/asr/api?"
    response = requests.post(url, data=file, headers=headers)
    code = json.loads(response.text).get("code")
    text = json.loads(response.text).get("text")
    if code != 20000:
        print(response.text)
    
    return text


# 獲取命令行輸入參數
def get_args():
    parser = argparse.ArgumentParser(description='ASR')
    parser.add_argument('-client_secret', type=str, required=True)
    parser.add_argument('-client_id', type=str, required=True)
    parser.add_argument('-file_path', type=str, required=True)
    parser.add_argument('--audio_format', type=str, default='wav')
    parser.add_argument('--sample_rate', type=str, default='16000')
    parser.add_argument('--add_pct', type=str, default='true')
    args = parser.parse_args()

    return args


if __name__ == '__main__':
    args = get_args()

    # 獲取access_token
    client_secret = args.client_secret
    client_id = args.client_id
    access_token = get_access_token(client_secret, client_id)

    # 讀取音頻文件
    with open(args.file_path, 'rb') as f:
        file = f.read()

    # 填寫Header信息
    audio_format = args.audio_format
    sample_rate = args.sample_rate
    add_pct = args.add_pct
    headers = {'access_token': access_token, 'audio_format': audio_format, 'sample_rate': sample_rate,
               'add_pct': add_pct}
    text = get_text(file, headers)
    print(text)

2.5 執行

復制所有代碼，確定音頻為wav格式，采樣率為16K，在命令行執行

python single_sentence_recognition.py -client_secret=你的client_secret -client_id=你的client_id -file_path=test.wav

結果

​​​