基于Python实现语音识别和语音转文字

目录

• 前言
• 直接使用
• 获取权限
• 1.环境准备
• 2.获取权限
• 代码实现
• 1.获取access_token
• 2.获取转换后音频
• 3.配置接口参数
• 4.完整demo
• 5.执行

前言

嗨嗨，大家好呀 ~ 今天给你们分享一个有趣的东西 ~

是一个语音识别跟语音转文字的小工具

感兴趣的朋友可以继续往下滑咯

直接使用

在1.2官网注册后拿到APISecret和APIKey，

直接复制文章2.4demo代码，

保存为online_tts.py，

在命令行执行

python online_tts.py -client_secret=你的client_secret -client_id=你的client_id -file_save_path=test.wav --text=今天天气不错

获取权限

Python调用标贝科技语音合成接口，实现文字转语音

1.环境准备

Python 3

2.获取权限

标贝科技 https://ai.data-baker.com/#/?source=qwer12

1.2.1 登录

点击产品地址进行登录，支持短信、密码、微信三种方式登录。

1.2.2 创建新应用

登录后进入【首页概览】，

各位开发者可以进行创建多个应用。

包括一句话识别、长语音识别、录音文件识别；

在线合成、离线合成、长文本合成。

1.2.3 选择服务

进入【已创建的应用】，左侧选择您需调用的AI技术服务，右侧展示对应服务页面概览（您可查询用量、管理套餐、购买服务量、自主获取授权、预警管理）。

1.2.4 获取Key&Secret

通过服务 / 授权管理，获取对应参数，

进行开发配置

拿到Key和Secret就可以正式使用啦！

代码实现

1.获取access_token

在拿到Key和Secret后，

我们还需要调用授权接口获取access_token，

这个access_token有效时长是24小时。

需要源码、教程，或者是自己有关python不懂的问题，都可以来这里哦 https://jq.qq.com/?_wv=1027&k=xJU8WKpY 这里还有学习资料与免费课程领取

# 获取access_token用于鉴权
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)
    response = requests.post(url)
    access_token = json.loads(response.text).get('access_token')
 
    return access_token

2.获取转换后音频

拿到access_token后，

调用语音合成接口，

就可以获得生成的音频

# 获取转换后音频
def get_audio(data):
    url = "https://openapi.data-baker.com/tts?access_token={}&domain={}&language={}&voice_name={}&text={}&audiotype={}".format(data['access_domain'], data['domain'], data['language'], data['voice_name'], data['text'], data['audiotype'])
    response = requests.post(url)
    content_type = response.headers['Content-Type']
    if 'audio' not in content_type:
        raise Exception(response.text)
    return response.content

3.配置接口参数

client_secret和client_id：在文章1.2的官网获取，必填

file_save_path：文件保存路径，必填

text：需要转换的文本内容

audiotype：音频类型，默认16K采样率wav格式

domain：所属领域，默认1

language：合成后文本语言，默认中文“zh"

voice_name：发音人选择，默认“Lingling"，

# 获取命令行输入参数
def get_args():
    text = '欢迎使用标贝开发平台。'
    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_save_path', type=str, required=True)
    parser.add_argument('--text', type=str, default=text)
    parser.add_argument('--audiotype', type=str, default='6')
    parser.add_argument('--domain', type=str, default='1')
    parser.add_argument('--language', type=str, default='zh')
    parser.add_argument('--voice_name', type=str, default='Lingling')
    args = parser.parse_args()
 
    return args

4.完整demo

#!/usr/bin/env python
# coding: utf-8
import requests
import json
import argparse
 
 
# 获取access_token用于鉴权
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)
    response = requests.post(url)
    access_token = json.loads(response.text).get('access_token')
 
    return access_token
 
 
# 获取转换后音频
def get_audio(data):
    url = "https://openapi.data-baker.com/tts?access_token={}&domain={}&language={}&voice_name={}&text={}&audiotype={}".format(data['access_domain'], data['domain'], data['language'], data['voice_name'], data['text'], data['audiotype'])
    response = requests.post(url)
    content_type = response.headers['Content-Type']
    if 'audio' not in content_type:
        raise Exception(response.text)
    return response.content
 
# 获取命令行输入参数
def get_args():
    text = '欢迎使用标贝开发平台。'
    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_save_path', type=str, required=True)
    parser.add_argument('--text', type=str, default=text)
    parser.add_argument('--audiotype', type=str, default='6')
    parser.add_argument('--domain', type=str, default='1')
    parser.add_argument('--language', type=str, default='zh')
    parser.add_argument('--voice_name', type=str, default='Lingling')
    args = parser.parse_args()
 
    return args
 
 
if __name__ == '__main__':
    try:
        args = get_args()
 
        # 获取access_token
        client_secret = args.client_secret
        client_id = args.client_id
        access_token = get_access_token(client_secret, client_id)
 
        # 读取参数
        audiotype = args.audiotype
        domain = args.domain
        language = args.language
        voice_name = args.voice_name
        text = args.text
        data = {'access_domain': access_token, 'audiotype': audiotype, 'domain': domain, 'language': language,
                'voice_name': voice_name, 'text': text}
        content = get_audio(data)
 
        #保存音频文件
        with open('test.wav', 'wb') as audio:
            audio.write(content)
        print("task finished successfully")
    except Exception as e:
        print(e)

5.执行

复制所有代码，保存为online_tts.py，在命令行执行

python online_tts.py -client_secret=你的client_secret -client_id=你的client_id -file_save_path=test.wav --text=今天天气不错

到此这篇关于基于Python实现语音识别和语音转文字的文章就介绍到这了,更多相关Python语音识别 语音转文字内容请搜索自由互联以前的文章或继续浏览下面的相关文章希望大家以后多多支持自由互联！