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("。"))
python实现语音录入识别的更多相关文章
- 论文笔记:语音情感识别(四)语音特征之声谱图,log梅尔谱,MFCC,deltas
一:原始信号 从音频文件中读取出来的原始语音信号通常称为raw waveform,是一个一维数组,长度是由音频长度和采样率决定,比如采样率Fs为16KHz,表示一秒钟内采样16000个点,这个时候如果 ...
- Python的开源人脸识别库:离线识别率高达99.38%
Python的开源人脸识别库:离线识别率高达99.38% github源码:https://github.com/ageitgey/face_recognition#face-recognitio ...
- Python的开源人脸识别库:离线识别率高达99.38%(附源码)
Python的开源人脸识别库:离线识别率高达99.38%(附源码) 转https://cloud.tencent.com/developer/article/1359073 11.11 智慧上云 ...
- Python实现bp神经网络识别MNIST数据集
title: "Python实现bp神经网络识别MNIST数据集" date: 2018-06-18T14:01:49+08:00 tags: [""] cat ...
- Python 使用 face_recognition 人脸识别
Python 使用 face_recognition 人脸识别 官方说明:https://face-recognition.readthedocs.io/en/latest/readme.html 人 ...
- Python 人工智能之人脸识别 face_recognition 模块安装
Python人工智能之人脸识别face_recognition安装 face_recognition 模块使用系统环境搭建 系统环境 Ubuntu / deepin操作系统 Python 3.6 py ...
- Python人工智能之图片识别,Python3一行代码实现图片文字识别
1.Python人工智能之图片识别,Python3一行代码实现图片文字识别 2.tesseract-ocr安装包和中文语言包 注意:
- python模块之imghdr(识别不同格式的图片文件)
# -*- coding: utf-8 -*- #python 27 #xiaodeng #python模块之imghdr(识别不同格式的图片文件) import imghdr '''>> ...
- 论文笔记:语音情感识别(五)语音特征集之eGeMAPS,ComParE,09IS,BoAW
一:LLDs特征和HSFs特征 (1)首先区分一下frame和utterance,frame就是一帧语音.utterance是一段语音,是比帧高一级的语音单位,通常指一句话,一个语音样本.uttera ...
随机推荐
- vue 前后端数据交互问题解决
先在vue项目中配置好路由组件路由 然后写相应组件 2 后端 写接口赔路由 第三 解决跨域问题 处理数据交互 这样前端就拿到了数据
- POJ 2240 Arbitrage (spfa判环)
Arbitrage Arbitrage is the use of discrepancies in currency exchange rates to transform one unit of ...
- Python基础(一):程序输入输出、判断合法用户、编写判断成绩的程序
一.程序输入输出 目标: 编写login.py脚本,实现以下目标: 提示用户输入用户名 将用户名保存在变量中 在屏幕上显示欢迎用户的信息 方案: 编写程序时,很多情况下都需要程序与用户交互.在pyth ...
- 什么是grep -v grep??
1.grep 是查找含有指定文本行的意思,比如grep test 就是查找含有test的文本的行 2.grep -v 是反向查找的意思,比如 grep -v grep 就是查找不含有 grep 字段的 ...
- MCS-51系列单片机和MCS-52系列单片机有何异同
MSC-51:1,片内4K字节程序存储器:2,片内128字节数据存储器:3,片内2个16位硬件定时器/计数器.MSC-52: 1,片内8K字节程序存储器:2,片内256字节数据存储器:3,片内3个16 ...
- wrtnode板
Arduino技术交流:www.openjumper.com QQ群 ArduinoCN I : 180646674,ArduinoCN II : 203870250 商品详情 产品介绍 : WRT ...
- 【git】git的内部原理
参考文章:https://zhuanlan.zhihu.com/p/96631135 参考文章:https://marklodato.github.io/visual-git-guide/index- ...
- 微信小程序,获取二维码
微信小程序,获取二维码 找到一篇很实用的博客,他已经写得很详细了,自己也懒得写,亲测有效 参考网址
- 高博SLAM14讲 ch5 点云拼接例程实现与bug处理
一.环境配置,基本库的安装 1.Eigen库 apt-get 安装 2.sophus库 apt-get 安装 3.pcl 点云库 (1)官方预编译版本 sudo apt-get install lib ...
- activiti7删除流程定义的相关信息
package com.zcc.activiti02; import org.activiti.engine.ProcessEngine;import org.activiti.engine.Proc ...