第三篇：ASR（Automatic Speech Recognition）语音识别

ASR（Automatic Speech Recognition）语音识别：

　　　　百度语音--语音识别--python SDK文档：

　　　　　　https://ai.baidu.com/docs#/ASR-Online-Python-SDK/top

　　　　第三方模块：pip install baidu-aip　　

　　ASR_test.py

 from aip import AipSpeech
 import os

 """ 你的 APPID AK SK """
 APP_ID = ''
 API_KEY = 'jM4b8GIG9gzrzySTRq3szK2E'
 SECRET_KEY = 'iE626cEpjT1iAVwh24XV5h1QFuR8FPD2'

 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

 # 读取文件
 def get_file_content(filePath):

     #文件格式转换成pcm(前提是需要安装ffmpeg软件并配置环境变量)
     pcm_filePath = filePath.split('.')[0] + '.pcm'
     cmd_str=f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {pcm_filePath}'
     os.system(cmd_str)#调用os.system()在CMD执行命令
     filePath=pcm_filePath

     with open(filePath, 'rb') as fp:
         return fp.read()

 # 识别本地文件
 result=client.asr(get_file_content('1.m4a'), 'pcm', 16000, {
     'dev_pid': 1536,
 })
 text=result.get('result')[0]

 print(result)

 print(text)

 '''
 asr函数需要四个参数,第四个参数可以忽略,自有默认值,参照一下这些参数是做什么的

 第一个参数: speech 音频文件流 建立包含语音内容的Buffer对象, 语音文件的格式，pcm 或者 wav 或者 amr。(虽说支持这么多格式,但是只有pcm的支持是最好的)

 第二个参数: format 文件的格式,包括pcm（不压缩）、wav、amr (虽说支持这么多格式,但是只有pcm的支持是最好的)

 第三个参数: rate 音频文件采样率 如果使用刚刚的FFmpeg的命令转换的,你的pcm文件就是16000

 第四个参数: dev_pid 音频文件语言id 默认1537（普通话 输入法模型）
 '''

　　原始语音文件通过windows10自带的<录音机>进行录制等，转换成语音识别推荐格式pcm，最后识别输出文字