基于百度的语音技术

一 . 语音识别 

　　1.1 下载FFmpeg,然后配置环境变量

　　1.2 pip install baidu-aip(技术信息来自ai.baidu.com)

　　1.3 建一个py文件

# audio2text.py文件

import os
from aip import AipSpeech

""" 你的 APPID AK SK  创建应用的时候生成的"""
APP_ID = '16027552'
API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)

# 读取文件
def get_file_content(filePath):
    # 这个是固定写法,用ffmpeg把别的格式的音频转化为.pcm格式的
    os.system(f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
    with open(f'{filePath}.pcm', 'rb') as fp:
        return fp.read()

# 识别本地文件,hot.m4a是放在本地的音频文件,下面的参数ai.baidu.com有详解
reg = client.asr(get_file_content('hot.m4a'), 'pcm', 16000, {
    'dev_pid': 1536,
})
print(reg['result'][0])   # 打印今天真热,音频录的也是今天真热

二 . 语音合成

# text2audio文件

from aip import AipSpeech

""" 你的 APPID AK SK """
APP_ID = '16027552'
API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'

client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
# 以下参数在ai.baidu.com都有详细解释
result = client.synthesis('唧唧复唧唧,木兰当户织', 'zh', 1, {
    'vol': 5,
    'spd': 6,
    'pit': 7,
    'per': 4
})

# 识别正确返回语音二进制 错误则返回dict 
if not isinstance(result, dict):
    with open('auido.mp3', 'wb') as f:
        f.write(result)
# 生成auido.mp3音频

三 . 自然语言处理(low到爆)

 1 import os
 2 from aip import AipNlp, AipSpeech
 3 
 4 """ 你的 APPID AK SK """
 5 APP_ID = '16027552'
 6 API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
 7 SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'
 8 
 9 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
10 client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)
11 
12 def textToaudio(text):
13     result = client.synthesis(text, 'zh', 1, {
14         'vol': 5,
15         'spd': 6,
16         'pit': 7,
17         'per': 4
18     })
19     # 识别正确返回语音二进制 错误则返回dict
20     if not isinstance(result, dict):
21         with open('auido.mp3', 'wb') as f:
22             f.write(result)
23     return 'audio.mp3'
24 
25 def audioTotext(filepath):
26     res = client.asr(get_file_content(filepath), 'pcm', 16000, {
27         'dev_pid': 1536,
28     })
29     return res['result'][0]
30 
31 def get_file_content(filePath):
32     os.system(f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
33     print(filePath)
34     with open(f'{filePath}.pcm', 'rb') as fp:
35         return fp.read()
36 
37 # hot.m4a音频是今天真热
38 text = audioTotext('hot.m4a')
39 # 简单的自然语言处理
40 socre = client_nlp.simnet('今天怎么这么热', text).get('score')
41 # 当score >= 0.58就认为表达的意思一样
42 if socre >= 0.58:
43     filename = textToaudio('萧峰降龙十八掌天下第一!')
44     # os.system(f"ffplay {filename}")  播放音频
45     # 也是播放音频,只不过是简写
46     os.system(filename)

自然语言处理

四 . 连接图灵机器人完成自然语言处理

 1 import os
 2 import requests
 3 from aip import AipNlp, AipSpeech
 4 
 5 """ 你的 APPID AK SK """
 6 APP_ID = '16027552'
 7 API_KEY = 'ydZfy8GRB7Bz02UGeaXh4hGE'
 8 SECRET_KEY = 'zUbGAD21x4I6abGYhwo9jAfERCZzeGpA'
 9 
10 client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
11 client_nlp = AipNlp(APP_ID, API_KEY, SECRET_KEY)
12 
13 def textToaudio(text):
14     result = client.synthesis(text, 'zh', 1, {
15         'vol': 5,
16         'spd': 6,
17         'pit': 7,
18         'per': 4
19     })
20     # 识别正确返回语音二进制 错误则返回dict
21     if not isinstance(result, dict):
22         with open('auido.mp3', 'wb') as f:
23             f.write(result)
24     return 'audio.mp3'
25 
26 def audioTotext(filepath):
27     reg = client.asr(get_file_content(filepath), 'pcm', 16000, {
28         'dev_pid': 1536,
29     })
30     print(reg['result'][0])
31     return reg['result'][0]
32 
33 def get_file_content(filePath):
34     os.system(f'ffmpeg -y  -i {filePath}  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 {filePath}.pcm')
35     with open(f'{filePath}.pcm', 'rb') as fp:
36         return fp.read()
37 
38 def go_tuling(text, uid):
39     # url就是图灵的街口,图灵官网:tuling123.com,可以查看接入教程
40     url = 'http://openapi.tuling123.com/openapi/api/v2'
41     data = {
42         "perception": {
43             "inputText": {
44                 "text": ""
45             },
46         },
47         "userInfo": {
48             "apiKey": "34b2c01332074b2b9d9293f72547df39",
49             "userId": ""
50         }
51     }
52     data['perception']['inputText']['text'] = text
53     data['userInfo']['userId'] = uid
54     # 请求方式必须是HTTP POST, 参数格式必须是json
55     ret = requests.post(url, json=data)
56     # print(ret.json())
57     return ret.json().get('results')[0].get('values').get('text')
58 
59 # libai.wma是音频文件
60 text = audioTotext('libai.wma')
61 # 简单的自然语言处理
62 socre = client_nlp.simnet('今天天气怎么样', text).get('score')
63 if socre >= 0.58:
64     filename = textToaudio('萧峰降龙十八掌天下第一')
65     os.system(filename)
66 else:
67     # 当score < 0.58的时候,直接和图灵机器人对话.
68     answer = go_tuling(text, 'attila')
69     filename = textToaudio(answer)
70     os.system(filename)

连接图灵