python实现语音识别前期准备（调用科大讯飞平台）
本demo测试时运行的环境为：Windows + Python3.7
本demo测试成功运行时所安装的第三方库及其版本如下，您可自行逐一或者复制到一个新的txt文件利用pip一次性安装：
cffi1.12.3
gevent1.4.0
greenlet0.4.15
pycparser2.19
six1.12.0
websocket0.2.1
websocket-client==0.56.0
语音听写流式 WebAPI 接口调用示例 接口文档（必看）：https://doc.xfyun.cn/rest_api/语音听写（流式版）.html
webapi 听写服务参考帖子（必看）：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=38947&extra=
语音听写流式WebAPI 服务，热词使用方式：登陆开放平台https://www.xfyun.cn/后，找到控制台–我的应用—语音听写（流式）—服务管理–个性化热词，
设置热词
注意：热词只能在识别的时候会增加热词的识别权重，需要注意的是增加相应词条的识别率，但并不是绝对的，具体效果以您测试为准。
语音听写流式WebAPI 服务，方言试用方法：登陆开放平台https://www.xfyun.cn/后，找到控制台–我的应用—语音听写（流式）—服务管理–识别语种列表
可添加语种或方言，添加后会显示该方言的参数值
错误码链接：https://www.xfyun.cn/document/error-code （code返回错误码时必看）
注释：下载以上这些，我们可以使用清华源下载会比较快.
链接：https://www.cnblogs.com/sky-ai/p/9800036.html
1.装完这些以后，下载demo，本人下载的是语音转写，大家可以在网址中进行选择并下载。
2.在做下面步骤之前，大家可以先看8.（在下方）
3.由于语音识别的文件有多个，我们需要将其转化为与之对应的文本，将其保留在.csv文件中
代码如下：
# -*- coding: utf-8 -*
#
# 非实时转写调用demo
import base64
import hashlib
import hmac
import json
import os
import time
import csv
import pandas as pd
import requests
#import datetimepi
import json
i=1
lfasr_host = 'http://raasr.xfyun.cn/api'
# 请求的接口名
api_prepare = '/prepare'
api_upload = '/upload'
api_merge = '/merge'
api_get_progress = '/getProgress'
api_get_result = '/getResult'
# 文件分片大小10M
file_piece_sice = 10485760
# ——————————————————转写可配置参数————————————————
# 参数可在官网界面（https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html）查看，根据需求可自行在gene_params方法里添加修改
# 转写类型
lfasr_type = 0
# 是否开启分词
has_participle = 'false'
has_seperate = 'true'
# 多候选词个数
max_alternatives = 0
# 子用户标识
suid = ''
class SliceIdGenerator:
"""slice id生成器"""
def __init__(self):
self.__ch = 'aaaaaaaaa`'
def getNextSliceId(self):
ch = self.__ch
j = len(ch) - 1
while j >= 0:
cj = ch[j]
if cj != 'z':
ch = ch[:j] + chr(ord(cj) + 1) + ch[j + 1:]
break
else:
ch = ch[:j] + 'a' + ch[j + 1:]
j = j - 1
self.__ch = ch
return self.__ch
class RequestApi(object):
def __init__(self, appid, secret_key, upload_file_path):
self.appid = appid
self.secret_key = secret_key
self.upload_file_path = upload_file_path
# 根据不同的apiname生成不同的参数,本示例中未使用全部参数您可在官网(https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html)查看后选择适合业务场景的进行更换
def gene_params(self, apiname, taskid=None, slice_id=None):
appid = self.appid
secret_key = self.secret_key
upload_file_path = self.upload_file_path
ts = str(int(time.time()))
m2 = hashlib.md5()
m2.update((appid + ts).encode('utf-8'))
md5 = m2.hexdigest()
md5 = bytes(md5, encoding='utf-8')
# 以secret_key为key, 上面的md5为msg， 使用hashlib.sha1加密结果为signa
signa = hmac.new(secret_key.encode('utf-8'), md5, hashlib.sha1).digest()
signa = base64.b64encode(signa)
signa = str(signa, 'utf-8')
file_len = os.path.getsize(upload_file_path)
file_name = os.path.basename(upload_file_path)
param_dict = {}
if apiname == api_prepare:
# slice_num是指分片数量，如果您使用的音频都是较短音频也可以不分片，直接将slice_num指定为1即可
slice_num = int(file_len / file_piece_sice) + (0 if (file_len % file_piece_sice == 0) else 1)
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['file_len'] = str(file_len)
param_dict['file_name'] = file_name
param_dict['slice_num'] = str(slice_num)
param_dict['speaker_number'] = '2'
param_dict['has_seperate'] = 'true'
elif apiname == api_upload:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
param_dict['slice_id'] = slice_id
elif apiname == api_merge:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
param_dict['file_name'] = file_name
elif apiname == api_get_progress or apiname == api_get_result:
param_dict['app_id'] = appid
param_dict['signa'] = signa
param_dict['ts'] = ts
param_dict['task_id'] = taskid
return param_dict
# 请求和结果解析，结果中各个字段的含义可参考：https://doc.xfyun.cn/rest_api/%E8%AF%AD%E9%9F%B3%E8%BD%AC%E5%86%99.html
def gene_request(self, apiname, data, files=None, headers=None):
response = requests.post(lfasr_host + apiname, data=data, files=files, headers=headers)
result = json.loads(response.text)
if result["ok"] == 0:
print("{} success:".format(apiname) + str(result))
return result
else:
print("{} error:".format(apiname) + str(result))
exit(0)
return result
# 预处理
def prepare_request(self):
return self.gene_request(apiname=api_prepare,
data=self.gene_params(api_prepare))
# 上传
def upload_request(self, taskid, upload_file_path):
file_object = open(upload_file_path, 'rb')
try:
index = 1
sig = SliceIdGenerator()
while True:
content = file_object.read(file_piece_sice)
if not content or len(content) == 0:
break
files = {
"filename": self.gene_params(api_upload).get("slice_id"),
"content": content
}
response = self.gene_request(api_upload,
data=self.gene_params(api_upload, taskid=taskid,
slice_id=sig.getNextSliceId()),
files=files)
if response.get('ok') != 0:
# 上传分片失败
print('upload slice fail, response: ' + str(response))
return False
print('upload slice ' + str(index) + ' success')
index += 1
finally:
'file index:' + str(file_object.tell())
file_object.close()
return True
# 合并
def merge_request(self, taskid):
return self.gene_request(api_merge, data=self.gene_params(api_merge, taskid=taskid))
# 获取进度
def get_progress_request(self, taskid):
return self.gene_request(api_get_progress, data=self.gene_params(api_get_progress, taskid=taskid))
# 获取结果
def get_result_request(self, taskid):
return self.gene_request(api_get_result, data=self.gene_params(api_get_result, taskid=taskid))
def all_api_request(self):
# 1. 预处理
pre_result = self.prepare_request()
taskid = pre_result["data"]
# 2 . 分片上传
self.upload_request(taskid=taskid, upload_file_path=self.upload_file_path)
# 3 . 文件合并
self.merge_request(taskid=taskid)
# 4 . 获取任务进度
while True:
# 每隔20秒获取一次任务进度
progress = self.get_progress_request(taskid)
progress_dic = progress
if progress_dic['err_no'] != 0 and progress_dic['err_no'] != 26605:
print('task error: ' + progress_dic['failed'])
return
else:
data = progress_dic['data']
task_status = json.loads(data)
if task_status['status'] == 9:
print('task ' + taskid + ' finished')
break
print('The task ' + taskid + ' is in processing, task status: ' + str(data))
# 每次获取进度间隔20S
time.sleep(20)
# 5 . 获取结果
self.get_result_request(taskid=taskid)
# 注意：如果出现requests模块报错："NoneType" object has no attribute 'read', 请尝试将requests模块更新到2.20.0或以上版本(本demo测试版本为2.20.0)
# 输入讯飞开放平台的appid，secret_key和待转写的文件路径
if __name__ == '__main__':
#while i<=60:
api = RequestApi(appid="5e61b3e9", secret_key="f56b43ae7d48267ba7c5db55f595de5b", upload_file_path=r'D:/明德客服记事录音文件/明德客服记事录音文件/60.wav')
#str(i)
api.get_result_request('2131ae7c6af34b568b1f7cd156c44e33')
#'6f0bc5df8cd54c65a8e4fa79d7bf9df4'
list1 = eval(api.get_result_request('2131ae7c6af34b568b1f7cd156c44e33').get('data'))
print(type(list1))
print(list1)
name = ['bg','ed','onebest','speaker']
test = pd.DataFrame(columns=name,data=list1)
print(test)
test.to_csv(r'D:\\speech recognition\\识别结果\\dict60.csv',encoding='gbk')
#f = open(r'C:\\Users\\user20\\Desktop\\dict.csv', 'w')
#w = csv.DictWriter(f,api.get_result_request('2e595d5b1192427893c1f8cacb42c519').keys())
#w.writerow(api.get_result_request('2e595d5b1192427893c1f8cacb42c519'))
#f.close()
#i+=1
#api.all_api_request()
4.其中appid，secrect_key都在平台中获取。
5.由于要识别的音频文件不只一个，因此我们先运行while循环语句将60替换为str(i)，以字符链接的方式相加，由于python对格式要求较为严格，因此要注意格式对齐！！！
6.将其他注释掉，就下while循环语句+api.all_api_request()来获取每个音频的id每运行出现一个id，将它复制黏贴到记事本里（或者其他可以添加文本的文件），本人添加在记事本中：
7.最后就要开始识别文字了，将每个音频的地址输入到upload_file_path中，随后再将与之对应的id复制到api_get_result_request中，在上述代码中有两处需要修改，每执行一次，就要修改一次，切记文件名和id要相对应（！！！）
8.在运行这些代码之前，最好先将音频转化为.wav格式，可以运用格式工厂，进行相应的转化（！！！）
格式工厂下载网址：
http://www.pcfreetime.com/formatfactory/CN/index.html
9.最后运行python代码即可.
作者：L C H
