因为项目中有需要把微信里的语音转成文本处理, 本次只说语音转文本。
需要注意的是平台对语音的格式有要求, 所以我们需要对语音进行转换格式。
语音转换
使用的工具是ffmpeg, ffmpeg的安装和配置请自行百度。
import os
import tempfile
import subprocess
import base64
import logging
logger = logging.getLogger(__name__)
def mp3_2_wav(_path = None, _byte = None):
''' MP3转WAV
_path和_byte必须存在一个, 优先级_path > _byte
:param _path:
:param _byte:
:return: wav的字节流
'''
try:
if _path is None and _byte is None: return
temp = None
if _path is None: # 字节流存入临时文件
temp = tempfile.NamedTemporaryFile(mode="w+b", delete=False)
temp.write(_byte)
temp.seek(0)
_path = temp.name
if _path is None: return
# 根据要求进行格式转换,-t 60 最大保存60秒, 采样率 16K, 默认单声道
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开放平台 API
百度的比较方便，有百度封装好的SDK使用和安装都很方便, 上面API里有详细介绍。
def BAIDU_ASR(_path):
''' 百度语音转文字
: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]
讯飞开放平台API
需要把请求的IP在讯飞控制台加入白名单, 否则报错：
{"code":"10105","data":"","desc":"illegal access|illegal client_ip: xxx.xxx.xxx.xxx","sid":"....."}
把报错信息里的xxx.xxx.xxx.xxx加入白名单即可
import json
import time
import requests
def XUNFEI_ASR(_path):
''' 讯飞语音转文字
: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
腾讯AI开放平台API
腾讯平台主要是签名算法需要注意
签名算法
def get_sign_code(params, app_key):
''' 生成签名CODE
1. 计算步骤
用于计算签名的参数在不同接口之间会有差异，但算法过程固定如下4个步骤。
将请求参数对按key进行字典升序排序，得到有序的参数对列表N
将列表N中的参数对按URL键值对的格式拼接成字符串，得到字符串T（如：key1=value1&key2=value2），URL键值拼接过程value部分需要URL编码，URL编码算法用大写字母，例如%E8，而不是小写%e8
将应用密钥以app_key为键名，组成URL键值拼接到字符串T末尾，得到字符串S（如：key1=value1&key2=value2&app_key=密钥)
对字符串S进行MD5运算，将得到的MD5值所有字符转换成大写，得到接口请求签名
2. 注意事项
不同接口要求的参数对不一样，计算签名使用的参数对也不一样
参数名区分大小写，参数值为空不参与签名
URL键值拼接过程value部分需要URL编码
签名有效期5分钟，需要请求接口时刻实时计算签名信息
:param params: 参数字典
: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):
''' 腾讯语音转文字
: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-xxdzp/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
至此关键代码开发完成。 比较效果使用。