python实现语音录入识别
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
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("。"))
